Pytorch2.0、Anaconda安装及Vscode环境搭建（一）

吃瓜小青年

已于 2023-09-27 10:03:53 修改

阅读量1.5k

点赞数 2

分类专栏： Pytorch教程文章标签： python vscode pytorch

于 2023-09-26 15:18:55 首次发布

本文链接：https://blog.csdn.net/weixin_50513260/article/details/133308323

版权

Pytorch教程专栏收录该内容

2 篇文章 0 订阅

订阅专栏

一、pytorch的介绍及安装

文章目录

一、pytorch的介绍及安装
二、VScode开发环境配置

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：

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：

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：

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：

方法二：Anaconda Navigator安装

在电脑找到安装好的anaconda navigator软件：

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

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

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：

检查安装是否成功，打开cmd输入nvcc -v：

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）：

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

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：

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

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

吃瓜小青年

关注

2
点赞
踩
9

收藏

觉得还不错? 一键收藏
打赏
1
评论
Pytorch2.0、Anaconda安装及Vscode环境搭建（一）

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。
复制链接

扫一扫