1、问题描述
1、介绍
这学期有模式识别课程,老师布置了一项代码复现的任务,因此,我找到一篇论文,对里面的代码进行复现。代码需要在Linux系统中运行。因此,在自己的Linux虚拟机中安装运行环境,在安装过程中发现了一些问题:
(1)python、cuda、cudnn和pytorch之间的版本要对应,不然会有一些不兼容的问题;
(2)在PyTorch官网上,按照推荐的conda
命令执行安装,在安装过程中,刚开始时,依赖下载的速度很快,但是由于网络不稳定,对于超过100M左右的依赖往往下载中断,从而需要重新下载;
(3)在Anconda中搜索安装也是失败。
今天下午趁着有时间,想在自己的电脑上再安装一下PyTorch试试。
2、环境
(1)Windows10
(2)Anaconda3-2020.07-Windows-x86_64,python3.6中安装GPU类型的PyTorch,版本维torch=1.5.0和 torchvision=0.6.0。
2、安装Anaconda
之前写过一篇文章,Anaconda的安装和配置可以参考下面的网址进行安装,这里不在赘述。
https://blog.csdn.net/weixin_43334389/article/details/110393454
3、查看版本对应信息
1、查看电脑中NVIDIA显卡配置
查看显卡配置信息有下面两种方式:
(1)在cmd
窗口中输入nvidia-smi
指令进行查看
(2)在NVIDIA的帮助信息中查看
2、选择CUDA的版本
(1)PyTorch和cuda的版本对应信息
(2)NVIDIA的驱动版本和CUDA的对应信息
参考网址:
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#cuda-major-component-versions
通过查看NVIDIA的配置信息,可以看到NVIDIA的驱动版本为452.56,结合PyTorch和cuda的版本对应信息,选择安装CUDA10.1版本的。
4、安装PyTorch
1、使用Anaconda创建虚拟环境
conda create -n pytorch python=3.6
# 查看环境安装
conda info --envs
执行下面的指令进入虚拟环境:
conda activate pytorch
2、安装PyTorch
(1)添加国内镜像
为了有效起见,我把下面的镜像都添加到配置中了:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
可以在Anaconda中查看:
(2)执行安装指令
进入PyTorch界面,找到指定版本进行安装:
由于版本太高,我们选择低版本进行安装,执行下面指令进行低版本安装:
# 1.5版本的
pip install torch==1.5.0+cu101 torchvision==0.6.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html
# 1.6版本的
pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html
经过多次安装测试发现,在使用下面的conda
指令安装时,由于网络原因,进程会停止,导致安装失败。因此,采用本文的pip
指令的方式可以进行成功安装。
(3)测试
import torch
# 查看torch版本
print(torch.__version__)
# 查看CUDA是否可用,返回True表示可以使用 GPU。
print("gpu", torch.cuda.is_available())
此时,PyTorch已经为我们安装好了CUDA、cuDNN之类的,我们不再需要花费时间来安装 CUDA、cuDNN 之类的,真的很方便。