PyTorch环境配置及安装
初步机器学习，这里记录下一些学习经过，之后以便于自己查看，同时欢迎各位大佬点评，本节是机器计算的一个包的安装和简单验证。
1.流程
- 确定自己的硬件信息-确定电脑有英伟达（NVIDIA）显卡
- 下载安装Anaconda
- 利用conda或者pip安装PyTorch（坑最多的）
- 确定自己安装的CUDA版本与GPU关系
- 安装GPU版本PyTorch
2.下载安装Anaconda
在此我就不过多进行阐述，需要的朋友可以查看我写的另外一篇博客，实验1—安装tensorflow开发环境
3.利用conda或者pip 安装PyTorch
- 创建一个虚拟环境（比如叫pytorch）
- 利用conda create 指令创建新的虚拟环境
- 利用conda create -n 虚拟环境名称 python=版本
- 添加镜像加速
- 利用conda create -n 虚拟环境名称 python=版本 -c 镜像地址
- 利用conda create 指令创建新的虚拟环境
| 镜像名 | 用于创建环境镜像地址 |
|---|---|
| 清华镜像 | https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main |
| 北京外国语大学镜像 | https://mirrors.bfsu.edu.cn/anaconda/pkgs/main |
| 阿里巴巴镜像 | http://mirrors.aliyun.com/anaconda/pkgs/main |
在此不推荐上一篇博客设置，解决CondaHTTPError HTTP 000 CONNECTION FAILED for url解决方法
建议直接添加镜像加速
- 删除虚拟通道:
conda remove –n 虚拟环境名字 --all
- 持久添加通道：
conda config --add channels 通道地址
- 删除通道：
conda config --remove channels 通道地址
算力，CUDA Driver Version，CUDA Runtime Version
- 首先，确定自己的显卡的算力 - 确定自己的显卡型号
- 确定自己的可选择的CUDA Runtime Version
- 确保自己的 CUDA Driver 版本 >= CUDA Runtime 版本
在此我选择了11.3版本
-
安装显卡驱动到最新版本 -
https://www.nvidia.cn/Download/index.aspx?lang=cn -
打开命令行窗口，输入
nvidia-smi来确定cuda driver的版本 - （我的是11.7）
-
打开PyTorch官网，确定CUDA Runtime版本（我确定了是11.3）
安装
因为，网速及服务器的原因，在此我将pytoch安装的三个包进行了拆分，我选择了分别进行安装
- 先使用了南京大学的镜像
conda install pytorch torchvision torchaudio=11.3 –c https://mirror.nju.edu.cn/pub/anaconda/cloud/pytorch/win-64/
- 后来使用清华镜像
conda install cudatoolkit=11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
4.验证是否安装成功
import torch
print(torch.__version__) #查看pytorch版本
print(torch.cuda.is_available()) #查看cuda是否可用 输出为True 或者False
