Pytorch安装(editor:pakchung10/2021.06)
GPU版pytorch安装
检查是否有合适的GPU,若有则安装Cuda与CuDNN(需检查电脑是否有合适的GPU)
1.在桌面上右键点击NVIDIA控制面板。
2.进入NVIDIA控制面板后,点击帮助,选择系统信息
3.查看电脑的显卡信息(本机显卡型号为NVIDIA GeForce GTX 1050 Ti,驱动型号为466.47),同时需要注意显卡驱动的更新
4.下载Cuda(官网:https://developer.nvidia.com/cuda-10.1-download-archive-update2)
关于Cuda的版本选择,可以进入官方指南查询(https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html),根据计算机的GPU型号以及驱动版本进行选择。
根据本机的466.47驱动版本,可选择CUDA 11.3.1,但鉴于Pytorch官网只开放了CUDA 11.1的版本,所以只能选择11.1及以下的版本,进入官网选择“Legacy Releases”查看CUDA的历史版本进行选择
综合考虑版本稳定性,选择CUDA Toolkit 10.2版本
https://i0.hdslb.com/bfs/album/93ccf0b8c64aa81695f0657c88009bcba37d5694.png
根据计算机的实际参数选择本地安装(local)
点击Download
5.开始Cuda正式安装步骤
打开驱动文件.exe
选择默认安装路径
程序自检
点击“同意并继续”
勾选“自定义安装”并点击“下一步”
点击“下一步”
点击“下一步”(安装路径按默认,安装程序将自动配置)
勾选“同意”,点击“next”
自动安装
选择下一步
直接点击关闭
至此CUDA安装完成
6.验证Cuda安装是否成功(Cuda的系统变量会自动配置完成)
右键点击“我的电脑”后点击“属性”
点击“高级系统设置”
查看系统变量(Cuda系统变量会自动配置),环境变量中有多个版本是因为本机之前有安装过CUDA 10的版本且可用,此次安装的则是新版CUDA 11。
win+R键输入 cmd
打开cmd命令行界面输入 nvcc -V
,显示Cuda版本信息则表示安装成功
在conda界面进入该pytorch_for_teach环境,输入以下命令(此项测试可在完成整个pytorch安装后进行)
activate pytorch_for_teach
python
import torch
print(torch.__version__)
print("gpu", torch.cuda.is_available())
7.下载CuDNN(官网:https://developer.nvidia.com/rdp/cudnn-download)
初次登陆该网站需要注册账号
查看历史版本
根据计算机的参数选择合适的CuDNN版本
8.安装CuDNN
解压下载得CuDNN文件
!!!分别将解压活得的文件夹下cuda/include、cuda/lib、cuda/bin三个目录中的内容拷贝(是内容拷贝,不是文件夹覆盖)**到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1对应的include、lib、bin目录下即可。
配置环境变量(添加环境变量 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64
)
右键点击“此电脑”,点击“属性”,点击“高级系统设置”,点击“环境变量”,点击“系统变量”,点击“path”,点击“编辑”,点击“新建”加入该路径即可。
9.安装Pytorch(官网:https://pytorch.org/)
进入Pytorch官网
按照计算机参数选择合适的版本进行自动下载安装
(获取命令:conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge
)
使用Conda安装(Anaconda管理环境以及第三方包比较方便)
创建新环境进行安装Pytorch(也可在原有的环境底下进行安装,ps:若原环境曾安装过pytorch可能导致安装失败)
conda create --name pytorch_for_teach python=3.7
输入“y”后稍等片刻,出现以下画面则说明环境创建成功
启动该新创建的Python环境(或删除旧有安装包 conda clean --all
,也可查看安装包列表删除准确的版本)
conda activate pytorch_for_teach
为加快pytorch下载速度,将下载源设置为清华源
创建.condarc文件修改默认下载源
conda config --set show_channel_urls yes
记事本方式打开.condarc文件,拷贝以下内容覆盖后保存**(若更改后进行下载遭遇类似链接无法访问等问题,可把https改成http。)**
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
运行 conda clean -i
清除索引缓存,保证用的是镜像站提供的索引
运行 conda create -n pytorch_for_teach numpy
/ conda install numpy
测试
将上面获得的Conda安装Pytorch命令拷贝到Conda界面进行输入运行
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge
输入“y”
安装完成
10.测试pytorch安装完成与否
在conda界面直接测试pytorch
python
import torch
print(torch.__version__)
print(torch.cuda.is_available())
至此,GPU版pytorch安装完成
附CPU版pytorch安装(若计算机无GPU,且在安装GPU版本的前提下无需再安装CPU版本)
进入Pytorch官网(https://pytorch.org/get-started/locally/)
获取CPU版下载命令
conda install pytorch torchvision torchaudio cpuonly -c pytorch
输入“y”
测试是否安装成功
import torch
print(torch.__version__)
import torchvision
print(torchvision.__version__)