Pytorch 深度学习_环境配置

发布时间:2023-08-30 09:00

Pytorch 深度学习

第一章 环境配置-Anacondas3+Pytorch+CUDA+CUDANN+Pycharm一条龙


文章目录

  • Pytorch 深度学习
    • 第一章 环境配置-Anacondas3+Pytorch+CUDA+CUDANN+Pycharm一条龙
  • 前言
  • 一、前期准备
    • Anconda3下载
    • 查看电脑适合的CUDA环境—特别重要!!!
    • CUDA+CUDANN安装下载
    • Pytorch下载安装
    • PyCharm 下载
  • 二、安装环境
    • 安装conda
    • 安装CUDA+CUDNN
    • 安装 torch+torchvision
  • 三、测试环境
    • 打开PyCharm,导入conda环境
    • 查看Torch+Torchvision
    • 查看CUDA是否可以使用
  • 总结


前言

   **学习深度学习的第一步当然就是配置一个完全无BUG的环境啦,作为一个自己电脑两个月环境人,尝试了各种安
装方法,历经磨难终于训练上了自己的模型!!!现为大家提供一套自己总结的方法!完美避开各种BUG!!!**

提示:以下是本篇文章正文内容

一、前期准备

										*****前期做完就完成了80%!*****

Anconda3下载

\"Pytorch

	                       [Anaconda官网地址](https://www.anaconda.com/)

点击Download即可下载最新版的Anaconda

查看电脑适合的CUDA环境—特别重要!!!

1、打开Cmd 输入nvidia-smi 查看自己的配置
\"Pytorch
注意这里的CUDA版本,向下兼容!!一般是小于!!!就是CUDA 11.6 ,你最好装CUDA11.3 和对应的CUDANN!!!如果这里版本比较低 可以去升级一下驱动 !!!
\"Pytorch
2、顺带查一下GPU\"Pytorch

CUDA+CUDANN安装下载

1、CUDA 下载 https://developer.nvidia.com/cuda-toolkit-archive
由于其向下兼容 我选择的是CUDA11.3.0 (点前面这个红框框 憋点后面!!!)
\"Pytorch
然后 选择windows (系统版本)–64(位数)–10(母鸡,选这个)–exe(local 选这个安装的时候就不用下载了!!!)
\"Pytorch
2、CUDNN 下载
下载CUDNN需要注册一个NVIDIA账号,注册的网站加载比较缓慢 大家忍一下 !后面跟着CUDA的型号!!!一定按照对应下载的CUDA型号去下载CUDANN
\"Pytorch
另外下载的时候 其名字也显示对应的版本
\"在这里插入图片描述\"
如图 支持11.3的CUDA的CUDNN

Pytorch下载安装

两种方法可以下载Pytorch :
1、使用官网给的地址在Anconda里使用命令安装,这种方法下面会提到如何实现。
2、提前下载离线安装包,下载地址 https://download.pytorch.org/whl/torch_stable.html
2.1 下载torch 包
如图 :
\"Pytorch
****cu代表 CUDA版本的Torch,如果你需要用GPU训练模型(一般都用)就可以下载
****100代表CUDA版本对应的是10.0 也就是你需要安装的CUDA 版本
****torch 即为模型的torch包
****1.00 代表torch是1.00版本
****cp代表Python版本(自己觉得是)
****Linux 和Win 代表你是要下载Linux 版本还是Win版本 后面代表是64位

这里我们选择就是根据上一步的CUDA 再次强调向下兼容
这里选择跟你下载CUDA相对应的CUDA版本
即我会选择 CU113/torch-…
注意:这样Python版本将使用3.7
\"Pytorch
2.2 下载torchvision
torchvision的选择与torch和cuda也有关系,比如我们下载的CUDA11.3 则torchvision也需要安装cu113开头,因为torch 是1.10.0 所以torchvision 应该是0.11(10+1).0 python 还是3.7 win版本 相对应:
\"Pytorch

总结:建议使用第二种方法下载,可以使用迅雷等下载软件,加速下载!!这样会让安装变得顺利。使用命令安装下载比较缓慢,常见还有使用镜像源安装加速,这种方法确实可行,但是对于新手,刚接触来说,可能会对其给出的镜像命令不理解,安装的晕头转向。

PyCharm 下载

Pycharm下载地址
\"Pytorch
下载一个专业版,自己激活,这里不做更多补充

二、安装环境

安装conda

注意事项:前面都直接NEXT,自己改个盘,到下图,勾上第一个,添加到环境,安装即可:
\"Pytorch

安装CUDA+CUDNN

建议直接装在C盘,直接next到最后一步即可
\"Pytorch
将我们下的CUDNN解压
\"Pytorch
将里面这些文件夹复制到下图目录下,替换掉完成CUDNN配置
\"Pytorch

安装 torch+torchvision

1、打开cmd 输入conda activate base 进入Conda 虚拟环境 ,出现base 即为进入环境了
\"Pytorch
创建Pytorch环境 conda create -n Pytorch python=3.7
\"Pytorch
即在Anacondas下创建名字为Pytorch的环境,并且在环境下安装python 3.7版本。
\"Pytorch
输入Y,回车,进行安装,这里电脑最好采用自己的热点或者校园网(有时候安装会报错HTTP:ERROR)进行安装,关掉网络代理,不然会报错,HTTP:ERROR
\"Pytorch
输入conda activate Pytorch,出现Pytorch 证明环境创建完毕

\"Pytorch
3、安装torch+torchvision
方法二(针对前面已经提前下载的童鞋):在Pytorch环境下,输入pip install (在路径前加个空格)后将所下载的torch找到,拖动到命令提示符
再点击回车进行安装,同样自己热点最香\"Pytorch
按照同样的方法将torchvision 进行安装
\"Pytorch
方法一 (未下载离线支持包):打开Pytorch 官网 下拉,选择如下选项,生成代码
\"Pytorch
将代码放到第2小步的Pytorch环境下下载
\"Pytorch
注意Cuda版本要与自己的cuda 相对应,之后再下载对应的torchvision即可

三、测试环境

打开PyCharm,导入conda环境

找到Setting界面,进行以下操作:
\"Pytorch
再点击Setting里的OK,看右下角出现如下图,重启Pycharm
\"Pytorch
如果终端界面出现以下,则证明环境搭建完成
\"Pytorch

查看Torch+Torchvision

\"Pytorch
如果出现,则证明环境安装成功!否则再继续重复第二章第三部分

查看CUDA是否可以使用

\"Pytorch
这样则证明CUDA可以使用 环境搭建成功!!!

这样 整个环境就搭建完成了 如果想试试自己的环境配置的如何 可以找个深度学习的开源代码试一下!

总结

1、环境的搭建一定要讲究搭配,吃了太多环境的亏,一定要将CUDA+CUDNN+Torch+Torchvision 全部安装符合版本匹配!!
2、cmd 键入nvidia-smi CUDA Version一定是大于(等于的时候报错CUDNN_STATUS_INTERNAL_ERROR),如果环境都搭建好了,发现这个问题,就可以升级自己的驱动

ItVuer - 免责声明 - 关于我们 - 联系我们

本网站信息来源于互联网,如有侵权请联系:561261067@qq.com

桂ICP备16001015号