CPU版本
最开始安装的是CPU版本的pytorch,因为担心小破显卡不管用,实在是练习上有需要才准备安装的GPU版本。
CPU版本直接用conda从清华镜像源下就可以了,换源方法,在命令行输入:
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/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
之后从pytorch官网上找到适合的CPU版本,
将其对应的命令去掉-c pytorch
然后输入命令行,就可以使用清华源安装了。
GPU版本
先安装CUDA和cudnn,从英伟达控制面板查询自己的driver可以使用的CUDA版本
之后从英伟达官网下载适合的CUDA Toolkit和与之匹配的cudnn压缩包, 然后把CUDA无脑安装上,把cudnn压缩包里的文件\lib\x64,\bin,\include对应复制粘贴到CUDA的安装目录中,
设置系统环境变量,将PATH中添加以下路径,然后重启电脑:
测试CUDA和cudnn安装是否成功:
用管理员权限打开命令控制符,输入nvcc -V
,如果显示就是CUDA安装成功啦,也可以打开C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite(安装路径)中的deviceQuery.exe和bandwidthTest.exe(使用非管理员权限打开控制命令符,将该文件直接拖到控制命令符窗口里,再按回车就执行了),当结果中有显示Result=PASS
就成功了。
之后就是下pytorch,刚开始一直使用和之前CPU版本一样的方法(换源,官网给的代码去掉 -c pytorch
安装),但是安装之后从控制命令符里查看conda list
时总是发现下载的torch是[cpuonly],也就是CPU版本,也尝试过自己下载使用本地安装但是依然安装的是CPU版本,因此,在前面测试都安装成功时torch.cuda.is_available()
的返回依旧是False,于是全部卸载
conda uninstall pytorch
conda uninstall libtorch
之后还是使用了pip3,一举完成安装
。。。再去看conda list,就变成了
废了好大劲,最后就这样安装上了。。。
最后测试一下:
import torch
torch.cuda.is_available()#返回True,cuda没问题
a = torch.Tensor([1.,2.,3.])
from torch.backends import cudnn
cudnn.is_acceptable(a.cuda())#返回True,cudnn可以用