pytorch是torch的python版本,用于更好的深度学习模型的训练。与tensorflow一样,pytorch也是一个深度学习库。两者各有优点。
相关链接:
Tensorflow 和PyTorch的区别对比,哪个更好?——普适极客
所以pytorch和tensorflow应该安装在两个不同的环境中
创建pytorch环境
- win打开anaconda prompt
- 创建pytorch环境
“在我们做项目的时候可以能需要不同环境的python版本,有时候要1.0版本,有的需要3.0版本的拿在这里我们就需要建立不同的环境,在不同的需要的时候去使用。”
相关链接:环境管理
由于我不想将环境创建在C盘,这会占用我本身就不多的C盘空间。所以我使用cd命令,将环境创建在D盘
创建成功!
官网选取对应版本的pytorch并下载
https://pytorch.org/
如果CUDA的版本比较低,可以选择下载pytorch以往版本来解决
https://pytorch.org/get-started/previous-versions/
由于在安装tensorflow的时候,选择了CUDA 11.2版本安装的,但是在pytorch以往版本中没有CUDA 11.2对应的版本,所以查询网络资料_请点击后,我选择下载CUDA 11.1对应版本的pytorch(向下兼容)
# CUDA 11.1 (这一行不用复制,复制下一行的命令)
pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple
emmm,出现了报错
查阅网络资料,请点击,原因应该是torchvision0.11.0/cu111这个版本没有win环境下的安装包,所以显示torch1.10.0/cu111找不到对应的torchvision0.11.0/cu111,所以复制下面的代码,重新来一次
pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple
这下成功了
测试是否成功安装、能否调用GPU
在pytorch环境中,进入python,输入以下代码
import torch
print(torch.cuda.is_available()) # cuda是否可用
print(torch.cuda.current_device()) # 返回当前设备索引
print(torch.cuda.device_count()) # 返回GPU的数量
print(torch.cuda.get_device_name(0))
结果如上图所示的话,就是安装成功了