pytorch是目前主流的深度学习框架之一,在安装pytorch时经常会遇到版本不兼容等问题。下面对pytorch安装进行一些记录和分享,如有不准确的地方,欢迎评论区指出。
1 相关概念
- 显卡驱动:显卡驱动的版本决定了我们电脑中安装的cuda版本的上限,因此,一般建议显卡驱动的版本安装的高一些,在linux终端中通过下面的命令可以查看:
watch -n 1 nvidia-smi
- cuda和cudnn:安装完显卡驱动之后就需要安装cuda和cudnn,cuda和cudnn是存在版本对应的,可以在ubuntu中安装多个版本的cuda,使用软链接进行切换,也可以在配置文件.bashrc中修改cuda路径进行切换,但是需要注意的是所安装的cuda版本不能超过显卡驱动所支持的cuda最高版本。
2 pytorch安装
pytorch的安装直接去pytorch官网查找对应的版本进行安装即可,可以安装cpu和gpu两个版本,通常都是安装gpu版本。
安装pytorch的命令有pip和conda两种方式,那pip和conda这两种方式有什么区别呢?实际上,选择pip安装,就意味着我们安装的pytorch是依赖于电脑本地的cuda的,也就是上面概念中提到的,而在虚拟环境中是不会安装对应的cuda的。而conda命令安装pytorch就会在虚拟环境中安装cuda,即命令中的cudatoolkit,这意味着安装的pytorch是依赖虚拟环境中的cuda的,而不会去使用本地的cuda。对于较老的版本,conda命令安装只会安装对应的cuda,而不会安装cudnn,这就需要我们手动安装cudnn,conda install cudnn==对应版本。