-
python只是一个编程语言,在开发具体软件时,可能还需要使用到各种的包,比如著名的 numpy,torch 等等。如果我们自己来管理则显得非常麻烦,于是便有了Anaconda这样一个类似容器的东西,它封装了python各种各样的包;同时它也可以提供一个不同的python语言版本。是非常利于 python 编程的。
-
在单一服务器上只开发一个项目时可以直接使用系统原生环境,但在开发多个项目后导出第三方包时发现系统原生python下有很多第三方包,这些包对应着不同的项目,此时给第三方包导出区分包对应项目带来麻烦。而虚拟环境是创建一个“干净,纯净”的python项目运行环境,使用虚拟环境可以给每一个项目配置一个虚拟环境,这样使得项目对应使用的第三方包很明确,迁移时只需导出相关依赖清单requirements就可以了。
-
它是一个虚拟化,从电脑独立开辟出来的环境。通俗的来讲,虚拟环境就是借助虚拟机docker来把一部分内容独立出来,我们把这部分独立出来的东西称作“容器”,在这个容器中,我们可以只安装我们需要的依赖包,各个容器之间互相隔离,互不影响。
-
新建虚拟环境
-
conda create -n mytorch python==3.9
-
conda创建虚拟环境和pip创建虚拟环境不同,pip建立的虚拟环境会直接在当前目录下生成一个虚拟环境的目录,激活虚拟环境也需要指定这个目录才行。而conda安装的虚拟环境,只会把虚拟环境的目录生成在anaconda安装目录下的env目录中。
-
激活虚拟环境
-
source activate mytorch # linux activate mytorch # windows
-
如上图所示则表示环境激活成功,左边括号中的(mytorch)表示当前所处的就是刚刚建立并激活的mytorch虚拟环境。
-
查看新建虚拟环境信息
-
conda list
-
查看本机全部的conda环境
-
conda info --envs
-
配置国内镜像源并验证查看,为后续安装包做准备,下载更快
-
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 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ # 查看是否配置成功 conda config --show channels
-
丰富虚拟环境,安装额外的包及验证查看
-
conda install -n mytorch pytorch torchvision cpuonly # 查看 conda list
-
python,pytorch与torchvision版本对应
-
https://download.pytorch.org/whl/torch_stable.html
-
安装pytorch
-
首先确定自己的电脑是否支持GPU加速。pytorch分成CPU和GPU两个版本,其中GPU版本仅支持N卡【Nvidia 显卡】的使用【对N卡的操作的接口就是cuda】。如果支持,则还需要验证自己的显卡算力如何,低算力是不能用较高版本的cuda的,否则启用cuda会失败;同时判断显卡的驱动版本,是否支持cuda。需要对应自己机子的显卡硬件安装cuda和cudnn。
-
进入pytorch 官网,针对自己的平台安装pytorch和torchvision版本。对应安装的cuda version选择pytorch版本。还要注意当前的python版本是否支持,查看上文链接确认。
-
-
检测cuda是否可用
-
import torch torch.cuda.is_available()
-
如果此时能够调用GPU,则应该显示
True
,否则为False
。但是即使为True时,也不见得真的能在GPU上跑。
-
-
检测程序运行时GPU的情况
-
nvidia-smi
- 或查看任务管理器的性能选项卡
-
-
删除虚拟环境
-
conda remove -n mytorch --all
-
新建一个虚拟环境来管理自己的pytorch环境
最新推荐文章于 2024-04-22 02:56:41 发布
文章介绍了Python编程中使用conda和pip管理虚拟环境的方法,强调了conda在封装包管理和环境隔离方面的优势。conda创建的虚拟环境存储在anaconda安装目录的envs下,而pip则在当前目录。激活和查看虚拟环境、安装与管理包、配置国内镜像源以及安装GPU支持的PyTorch和torchvision等步骤被详细阐述。此外,文章还提到了检查GPU兼容性和CUDA版本的重要性。
摘要由CSDN通过智能技术生成