服务器pytorch相关配置(记录自用)
使用的是pycharm远程控制服务器,服务器内已安装并配置好miniconda3+python3.8.5。
新建环境后总是要配置一些东西,记录在此便于以后参考。
使用conda虚拟环境
#获取版本号 conda --version 或 conda -V
#检查更新当前conda conda update conda
#查看当前存在哪些虚拟环境 conda env list 或 conda info -e
conda create -n your_env_name python=X.X
source activate your_env_name //启动虚拟环境
source deactivate //关闭conda环境
conda remove -n your_env_name(虚拟环境名称) --all //删除conda虚拟环境
新建环境
新环境安装必要的包
0. 更新pip
python -m pip install --upgrade pip
使用命令 pip list
即可查看已安装的库列表:
1. pytorch
安装方法1
校园网下,直接根据官网指引,选择所对应的命令即可,无需更换源。https://pytorch.org/
我用的pip指令,而不是conda。
检验是否成功
python
import torch
print(torch.__version__) #查看版本号
终端界面显示如下
安装方法2(推荐)
后来发现通过 方法1 官网指引安装pytorch,可用版本比较少,比如我是CUDA11.0,但官网只有关于CUDA11.1的推荐。实际上这两个适配的pytorch版本是有一些差异的,在某些场景下可能会报错。因此我卸载了原本安装的pytorch,采用了另一种更灵活的方法。
-
https://download.pytorch.org/whl/torch_stable.html 直接在该网页找到合适版本的torch并下载,然后拖到服务器内自己的home文件夹。
根据命名就可以找到合适的版本,如下图所示,torch-1.7.1是pytorch的版本号,cu110指CUDA 11.0,cp38指python 3.8,最后是linux 64位系统。
-
把下载下来的文件拖入服务器home文件夹内后,直接用命令安装即可
pip3 install “刚才下载的文件名”(如pip3 install torch-1.7.1-cp38-cp38-win_amd64.whl
) -
查看pytorch和cuda是否匹配
python
import torch
torch.cuda.is_available()
如果返回True,则匹配;返回False,需要调整一下cuda或torch的版本,重新部署一下环境。
2. python安装numpy与scipy
安装了python3.0以上版本会比较简单
直接
pip install numpy
pip install scipy
3. 安装机器学习python库sklearn
首先需要进行包依赖检查,具体有以下几个要求:
- Python(>=2.6 or >=3.3)
- NumPy(>=1.6.1)
- SciPy(>=0.9)
满足上述条件后,可以直接使用pip进行安装:
pip install -U scikit-learn