Pytorch2.0、Anaconda安装及Vscode环境搭建(一)

一、pytorch的介绍及安装


1.1 pytorch的介绍

PyTorch是一个开源的深度学习框架,用于构建、训练和部署深度神经网络。它由Facebook的人工智能研究小组开发并维护,旨在提供灵活性和性能,使研究人员和开发人员能够轻松地创建各种深度学习模型。

1.2 pytorch的安装

PyTorch官网

"Stable"代表当前测试和支持的PyTorch版本,通常适合大多数用户。如果需要每晚生成的最新版本(尚未经过完全测试和支持),您可以选择使用预览版。在安装之前,请确保您已满足先决条件,如安装所需的依赖项(具体要求取决于您的包管理器)。推荐使用Conda作为包管理器,因为它可以管理所有依赖项。另外,如果需要,您还可以安装以前版本的PyTorch。需要注意的是,LibTorch仅适用于C++编程。

这里仅介绍自己使用的Window11+3060显卡的安装思路:


1.2.1 Anaconda的安装

Anaconda附带了一个名为Conda的强大包管理器,它允许用户轻松安装、更新和删除软件包,以及创建和管理多个独立的Python环境。这使得不同项目可以使用不同的库和工具,而不会互相干扰。

官网地址:Anaconda | The World’s Most Popular Data Science Platform

清华源:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

可以直接根据下列教程安装:

Anaconda超详细安装教程(Windows环境下)_conda安装-CSDN博客

输入conda info,如果出现conda信息,则可以进行下一步操作:

image-20230926102254433

这里最好更改一下conda源,后续如果采用conda安装的话,速度会更快一点:

清华源:

在cmd 命令行中,输入添加以下命令

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/pkgs/free/
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/main/
conda config --set show_channel_urls yes

查看源:conda config --show,出现下面的内容即成功:

image-20230926102905944


1.2.2 pytorch安装环境搭建

这里有两种创建环境的办法,命令行或者直接anaconda图形化界面

  • 方法一:命令行安装:

在终端输入:

#conda create -n [环境名称] python=[python版本]
conda create -n pytorch python=3.6

询问是否安装下列包,输入y确认:

image-20230926103614222

安装完成后会显示如何激活该环境:

1695695866213

#conda activate [环境名称]
conda activate pytorch
#关闭当前激活的环境
conda deactivate

激活成功后左侧括号会有该环境的名称:

1695695933082

输入pip list可以查看当前环境安装的包:

image-20230926104149648

  • 方法二:Anaconda Navigator安装

    在电脑找到安装好的anaconda navigator软件:image-20230926104501071

    image-20230926104700648

1695696650678

点击create即可,如果已经存在相同名称的环境,create键是灰色的


1.2.3 cuda的安装

​ CUDA(Compute Unified Device Architecture)是由NVIDIA开发的并行计算平台和应用程序编程接口(API)。它允许开发人员利用NVIDIA的GPU(图形处理单元)进行高性能的通用并行计算。CUDA的主要功能包括以下几个方面:

  • 通用并行计算: CUDA最初是为了图形处理而设计的,但后来被扩展成一种通用的并行计算平台。它允许开发人员使用GPU执行各种计算任务,包括科学计算、深度学习、数据分析、物理模拟等。
  • 并行性: GPU具有大量的小型处理单元(称为CUDA核心),可以并行执行许多计算任务。这种并行性使得GPU在某些类型的任务上能够显著加速计算,特别是对于需要大量数据并行处理的任务。
  • CUDA编程模型: CUDA提供了一种基于C/C++编程语言的编程模型,允许开发人员编写CUDA核函数,这些函数可以在GPU上执行。开发人员可以使用CUDA编程模型来管理数据传输、内存分配和并行计算。
  • GPU计算库: NVIDIA提供了一系列GPU计算库,如cuBLAS(用于线性代数计算)、cuDNN(用于深度学习)、cuFFT(用于快速傅立叶变换)等,这些库可以加速常见的计算任务,而无需开发人员自行编写CUDA核函数。
  • 深度学习加速: CUDA在深度学习领域尤为重要。深度学习模型通常需要大量的矩阵和张量计算,而GPU通过并行计算能够显著加速这些计算。因此,几乎所有主要的深度学习框架,如TensorFlow和PyTorch,都支持CUDA以便在GPU上运行。

在安装之前呢,我们需要确定三件事

  • 查看显卡支持的最高CUDA的版本,以便下载对应的CUDA安装包
  • 查看对应CUDA对应的VS版本,以便下载并安装对应的VS版本(vs需要先安装)
  • 确定CUDA版本对应的cuDNN版本,这个其实不用太关注,因为在cudnn的下载页面会列出每个版本对应的cuda版本,11.x以上对应的范围很宽

首先win+r打开电脑的CMD

image-20230926094640871

在终端输入nvidia-smi,右上角会显示显卡最大支持的cuda version版本,但是下载的时候根据自己需要的版本来。cuda和pytorch的版本有对应的关系,高版本cuda只能安装高版本pytorch,有些包或者函数的名称可能不一样,用别人的代码可能会报错,尽量选择和自己项目相近的版本。

1695693705637

下载cuda:cuDNN Archive | NVIDIA Developer

image-20230926110717389

安装的时候其他默认,这个地方注意一下,没安装vs的话把这里勾选上:

image-20230926110944930

检查安装是否成功,打开cmd输入nvcc -v:

image-20230926111102998


1.2.4 cuDNN安装

​ cuDNN(CUDA Deep Neural Network Library)是NVIDIA开发的深度学习库,专门用于加速深度神经网络(DNN)的训练和推理过程。cuDNN是基于CUDA平台的,旨在充分利用NVIDIA GPU的并行计算能力,从而显著提高深度学习任务的性能。

根据自己的cuda版本下载对应的cuDNN:cuDNN Archive | NVIDIA Developer

下载需要NVIDIA开发者账号,就按照提示注册一个就好,再登录即可下载了

下载下来是个压缩包,直接解压缩,完成后点击去你能看到如下三个文件夹(bin、include、lib):

img

把这三个文件夹的文件分别拷贝到CUDA安装目录对应的(bin、include、lib)文件夹中即可。CUDA的lib目录有x64 、Win32、cmake三个文件夹,拷到其中的x64这个文件夹中

img


1.2.5 pytorch安装

在这个网站下载所有版本的pytorch:Previous PyTorch Versions | PyTorch

可以通过conda和pip两种命令安装,结果一样,哪个快就用哪个

1695698693172

#以pytorch2.0举例
#---------conda安装--------------
## CUDA 11.7(跟自己的cuda版本对应上)
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.7 -c pytorch -c nvidia
# CUDA 11.8
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia
# CPU Only(如果没有gpu或者不使用cpu)
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 cpuonly -c pytorch
#-------pip安装------------------
#选择对应的torch、torchvision、torchaudio即可
pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1

注:pytorch1.1版本以后才支持tensorboard,选择1.1版本以上的,一般Windows下推荐conda,linux下推荐pip。遇到网络问题可以先从换源或者使用手机热点解决。

选择好后打开cmd,输入以下:

#打开自己创建的pytorch环境
conda activate pytorch
#复制粘贴上面选择的pytorch安装命令(我这里安装的是cuda11.7,选择的pytorch是2.0版本,python3.8)
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.7 -c pytorch -c nvidia

如果安装较新的cuda及pytorch,python版本要选择3.8及以上,不然会安装失败

检验是否安装成功:

#在pytorch安装环境下打开python
python
#输入import torch,不报错即成功
import torch
#输入torch.cuda.is_available(),返回true即成功调用GPU
torch.cuda.is_available()

如下:

image-20230926123441220


二、VScode开发环境配置

vscode下载:Download Visual Studio Code - Mac, Linux, Windows

下载后直接默认安装就行

汉化:

d7a42541fb7ac0c2c3828b303024557

在vscode新建工作区并打开,创建一个新文件jupyter_test.py

1695708290078

快捷键 ctrl+` 打开vscode的终端,输入conda activate pytorch激活pytorch终端环境

image-20230926140751841

在终端输入:

#安装jupyter
conda install nb_conda
#打开jupter,输入下面指令即在默认浏览器打开jupyter
jupyter notebook

1695708913365

输入下面指令,并shift+enter,查看是否成功导入开发环境

image-20230926141803629

  • 2
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

吃瓜小青年

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值