引言
最近在学习图神经网络需要安装Pytorch环境,说起安装过程来那是相当的心酸。如果直接用pytorch官网提供的命令行安装速度太慢或者下载到90%就报runtime error的错误,尝试换了源镜像之后可能因为不是直接官网下载或者其他的什么问题又老报错,经过两天的各种尝试终于安装好了,所以我将自己的经验写下来希望各位朋友能够避坑。做深度学习的base环境基本都是Anoconda,本篇文章也是基于anoconda写的。
1、电脑环境配置预览
联想小新pro13 2020笔记本
系统 | CPU | GPU | CUDA | CUDNN | PyTorch |
---|---|---|---|---|---|
Win10 | i710th | MX350 | 10.2 | v7.6.5 | 1.6 |
2、安装CUDA及CUDNN
具体的安装详情这篇博客已经写的十分清楚了安装CUDA,但里面有几个点我想说一下在博文中博主建议CUDA安装到C盘对于这个操作大可不必系统盘尽量不要装过多的东西,CUDA安装到D盘对程序的运行或者对于后面安装各种包没有任何影响。
3、PyTorch安装
PyTorch的安装是重头戏,安装的方式主要是两种(1)官方的安装方式这种安装方式在上面的链接中说的很清楚了(2)镜像的安装方式,使用阿里云镜像,清华镜像,中科大镜像等。个人建议能用官方的安装方式就用官方的安装方式,感觉使用镜像方式或多或少的都有问题这种问题主要体现在后面各种依赖包的安装方面,当然这是我的个人感觉很多人也使用镜像没问题可能是我自己的原因。最重要的一点pytorch不要装在base环境上而是装到使用的虚拟环境中,因为你不知道后面会不会使用其它的深度学习框架!!!!避免造成麻烦。给的链接中博客的安装方式是直接装到base环境中,这个大家需要注意。根据自己用的IDE自己调整或者使用命令行自己创建虚拟环境。
下面说一下(2)镜像的安装方式,使用镜像首先要换源输入(pycharm的terminal中或者cmd中)如下命令也可以直接都复制进去然后打回车,这是清华的镜像
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/conda-forge
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/pytorch/
conda config --set show_channel_urls yes
这样就换源成功了。重要提醒!!如果是在base中使用这个命令那么基于base创建虚拟环境中的镜像还是清华的,对于安装某些包会报错。如果需要还原镜像需要如下命令
换回默认源:conda config --remove-key channels
这样的话在运行如下命令pytorch就安装好了,注意因为是镜像安装 -c pytorch就不要了。其他的关于换源细节命令参见这篇博客,喜欢使用pycharm安装的可以直接通过更改pycharm的设置还原具体参见pycharm换源。
conda install pytorch torchvision cudatoolkit=10.2
最后的两种方法都不成功的话可以下载whl文件直接安装,注意安装pytorch不要只下载pytorch文件,其依赖的文件也要下载好 torchvision cudatoolkit下载地址使用这种方式要特别注意版本问题,各种版本都是需要自己校对的。如果版本冲突或者不一致那会相当的麻烦。在这里对版本做一个说明
红圈出来的是对机型的描述windows、linux或者mac的,蓝圈是对python版本的说明3.6、3.8等等。
那么对于安装CPU或者GPU版本看上面画圈的地方,CPU版的没有版本号GPU版的根据你的CUDA情况分cu92是cuda9.2版本的cu10,cu1001,cu1002分别依次对应10.1,10.2的。
3、PyTorch安装成功验证
import torch # 导入torch包 如果没有报错则表示安装成功
print(torch.cuda.is_available()) # 返回True则表示GPU可用, 反之则不可用
print(torch.version.cuda) # cuda可用