我的AI之路(6)--安装PyTorch

Torch和Torchvision的版本对应关系参见： https://pypi.org/project/torchvision/    

这篇文章以前写的东西实在是太古老无用了，删了，写点最新的东西，现在安装pytorch比以前好多了，因为国内有了阿里云之类的镜像服务器，不用忍受几年前只能从官网https://pytorch.org/安装的漫长等待和下载经常中断的痛苦了。但是呢，有个要点要知道的是，作为框架，Pytorch和TensorRT一样，特定的版本都依赖于特定的CUDA版本，而且pytorch对CUDA的支持总是落后几个小版本，例如当前(2021年8月)，CUDA有11.4版了，可是最新的torch1.9和torchvision0.10还停留在只支持CUDA11.1版:

所以在安装pytorch的环境时，不要盲目安装最新的CUDA，一定要先看看当前的pytorch版本支持的CUDA版本是什么，那么安装的CUDA版本不能高于这个版本，如果安装了更高的CUDA版本，会出现什么问题呢？一般是在运行到使用cuda的代码时抛出类似这样的错误:

GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation.
The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_70.
If you want to use the GeForce RTX 3090 GPU with PyTorch, please check the instructions at https://pytorch.org/get-started/locally/

  warnings.warn(incompatible_device_warn.format(device_name, capability, " ".join(arch_list), device_name))
>>> print(a)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/python3/lib/python3.9/site-packages/torch/tensor.py", line 193, in __repr__
    return torch._tensor_str._str(self)
  File "/usr/local/python3/lib/python3.9/site-packages/torch/_tensor_str.py", line 383, in _str
    return _str_intern(self)
  File "/usr/local/python3/lib/python3.9/site-packages/torch/_tensor_str.py", line 358, in _str_intern
    tensor_str = _tensor_str(self, indent)
  File "/usr/local/python3/lib/python3.9/site-packages/torch/_tensor_str.py", line 242, in _tensor_str
    formatter = _Formatter(get_summarized_data(self) if summarize else self)
  File "/usr/local/python3/lib/python3.9/site-packages/torch/_tensor_str.py", line 90, in __init__
    nonzero_finite_vals = torch.masked_select(tensor_view, torch.isfinite(tensor_view) & tensor_view.ne(0))
RuntimeError: CUDA error: no kernel image is available for execution on the device

其实上面的错误很误导人，表明上看好像是你安装的pytorch版本低了，不支持当前的比较新的CUDA版本，当然这是一种可能(例如当前的CUDA是支持RTX3090的CUDA 11.1.1(顺便多说一句，根据我的亲身经历，至少CUDA11.1.1才能让RTX3090正常跑起来，否则会出现跑步起来或者跑起来后性能非常差的问题),而pytorch版本是只支持CUDA10.2的，那么也会报这种错误)，但是当你安装的CUDA版本(假设11.2)高于你安装的pytorch版本支持的CUDA(假设11.1)版本时，也会出现上面这样错误的。

另外，在国内机器上安装pytorch时，如果不是最新的版本，无需使用官网上面列出的命令从官网安装，而是从阿里云之类的国内镜像服务器上安装，会快很多，例如：

pip install -i http://mirrors.aliyun.com/pypi/simple/  --trusted-host  mirrors.aliyun.com torch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0

我的AI之路(1)--前言

我的AI之路(2)--安装Fedora 28

我的AI之路(3)--安装Anaconda3 和Caffe

我的AI之路(4)--在Anaconda3 下安装Tensorflow 1.8

我的AI之路(5)--如何选择和正确安装跟Tensorflow版本对应的CUDA和cuDNN版本

我的AI之路(6)--在Anaconda3 下安装PyTorch

我的AI之路(7)--安装OpenCV3_Python 3.4.1 + Contrib以及PyCharm

我的AI之路(8)--体验用OpenCV 3的ANN进行手写数字识别及解决遇到的问题

我的AI之路(9)--使用scikit-learn

我的AI之路(10)--如何在Linux下安装CUDA和CUDNN

我的AI之路(11)--如何解决在Linux下编译OpenCV3时出现的多个错误

我的AI之路(12)--如何配置Caffe使用GPU计算并解决编译中出现的若干错误

我的AI之路(13)--解决编译gcc/g++源码过程中出现的错误

我的AI之路(14)--Caffe example：使用MNIST数据集训练和测试LeNet-5模型

我的AI之路(15)--Linux下编译OpenCV3的最新版OpenCV3.4.1及错误解决

我的AI之路(16)--云服务器上安装和调试基于Tensorflow 1.10.1的训练环境

我的AI之路(17)--Tensorflow和Caffe的API及Guide

我的AI之路(18)--Tensorflow的模型安装之object_detection

我的AI之路(19)--如何在Windows下安装pycocotools PythonAPI

我的AI之路(20)--用Tensorflow object_detection跑raccoon数据集

我的AI之路(21)--用Tensorflow object_detection跑PASCAL VOC 2012数据集

我的AI之路(22)--使用Object_Detection_Tensorflow_API

我的AI之路(23)--在Windows下编译Bazel和使用Bazel编译tensorflow