Pytorch深度学习环境配置 | NVIDIA-driver + Pytorch + miniconda
本贴为实战，看理论请移步【地表最强】深度学习环境配置攻略 | 【nvidia-driver】, 【cuda toolkit】, 【cudnn】, 【pytorch】
为了验证我的环境配置方法没有问题，我特意租了两小时云服务器来从0配置环境。
- 云服务器厂家：Ucloud
- ubuntu22.04
- 3090 * 2
1. 装 NVIDIA-driver
参考：https://zhuanlan.zhihu.com/p/366882419
1.1 禁用ubuntu自带的Nouveau驱动
sudo vim /etc/modprobe.d/blacklist-nouveau.conf
输入
blacklist nouveau
options nouveau modeset=0
使其生效：
sudo update-initramfs -u
重启
reboot
验证
lspci | grep nouveau
如果没有输出内容，就说明成功了:
如果出现一大堆东西，说明失败了
1.2. 下载驱动
nvidia显卡驱动下载网址 （不太全，但能找到常用的显卡驱动）
然后根据显卡型号和要装的pytorch版本，选择合适的驱动（不知道怎么选择就看这里）
综合考虑下来，我选择这个版本：
点【获取下载】，弹出如下界面：
把鼠标放到【立即下载】处，右键，选择【复制链接地址】
然后回到shell
wget https://cn.download.nvidia.com/XFree86/Linux-x86_64/535.113.01/NVIDIA-Linux-x86_64-535.113.01.run
1.3. 安装驱动
chmod +x NVIDIA-Linux-x86_64-535.113.01.run
./NVIDIA-Linux-x86_64-535.113.01.run
我弹出如下报错：【unable to find the development tool cc】
说明缺少依赖项【gcc】
sudo apt update #更新apt源。这一步不做后面用apt下载东西会报错
sudo apt-get install build-essential
然后中途弹出个这个
直接回车，就会回到shell界面
然后验证一下：
gcc --version
ok，然后再次安装driver：
一路回车，回到shell，验证：
nice！driver安装成功。
手动分割线------------------------------------------------------------------------------------------------
安装driver时可能还会报另一个错：【Unable to find the development tool 'make'】，这就说缺少依赖项【cmake】
sudo apt update #更新apt源。这一步不做后面用apt下载东西会报错
sudo apt-get install cmake
cmake --version
2. 安装GPU版本的Pytorch
2.1. 装miniconda
去这里找miniconda
我选了这个版本
然后把鼠标放在【Miniconda3 Linux 64-bit】上，右键，点击【复制链接地址】
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
中间有一步是创建安装文件夹，记得输入你的文件夹名字：
然后安装完之后，关掉当前shell，再重新打开一个shell，出现 (base) 就算成功。
2.2. 创建自带python的虚拟环境
根据我们要安装的pytorch版本，选择相应的python版本。（不知道怎么选择？看这里)
例如，我这里要装pytorch 2.1，根据下表，我选择安装python10（不新不旧，最兼容）
conda create -n pytorch-cuda12.1 python=3.10
conda activate pytorch-cuda12.1
python -V （验证python版本）
2.3. 在虚拟环境中装pytorch（GPU版本）
Pytorch官网提供了conda 和 pip 两种安装方法.
我不推荐conda安装，理由如下：
- 有逆天大坑，一步小心就安装成了cpu版本
- 容易被卡在 【solving environment】 这一步（Byd卡我一个下午，我才意识到不对劲）
- 好不容易能下载了，速度贼慢
所以我推荐用pip安装。还记得我们这个虚拟环境里自带了python10吗，所以这个环境里也会自带 pip。
然后，根据官网的pip安装方法：（我选的linux，cuda12.1，pip）
pip3 install torch torchvision torchaudio
云服务器网速很好，一下就安装完了。
另外，在安装过程中，我注意到pytorch自动安装了它所需要的cuda runtime toolkit = 12.1 和 cudnn =8.9.2：
所以，我们不需要再手动安装cuda和cudnn了。
（不是不需要，是不能！ 手动安装cuda和cudnn反而会让pytorch找不到它真正需要的cuda和cudnn，产生报错）
2.4. (optional) 在虚拟环境中装 jupyter
这一步可选，我个人喜欢用 jupyter notebook 写代码，所以我会装一个。
# 先确保你在你想要操作的虚拟环境中
pip install jupyter
jupyter notebook
我一般是把服务器的端口远程映射到我的win小笔记上，然后再笔记本上写代码，服务器上跑代码:
在win笔记本上，打开 cmd，输入
ssh -L 8888:localhost:8888 ubuntu@117.50.197.39
# 8888是jupyte notebook的端口，看上图可以明白。
# ubuntu是我的用户名
# 117.50.197.39 是我的服务器公网ip地址（怎么看？在shell中 输入 `curl cip.cc`）
然后复制上图中的一个网址到win的浏览器中即可打开jupyter notebook。
http://localhost:8888/tree?token=70a1c92681a56697179537a14b07e583d62989116f105079
3. 用代码做验证
3.1. 基本测试：
import torch
print(torch.cuda.is_available())
print(torch.__version__)
print(torch.__path__)
print(torch.version.cuda)
torch.backends.cudnn.version()
# GPU
x = torch.randn(1, 3, 224, 224).cuda()
conv = torch.nn.Conv2d(3, 3, 3).cuda()
out = conv(x)
print(out.sum())
主要看
print(torch.cuda.is_available())
返回true，就说明通过基本测试。
返回false，可能的原因：
- 你没有GPU
- pytorch下载了cpu版本
- 没安装driver或者driver版本不对不兼容
3.2. 进阶测试
还记得我之前说的：
所以，我们不需要再手动安装cuda和cudnn了。
（不是不需要，是不能！ 手动安装cuda和cudnn反而会让pytorch找不到它真正需要的cuda和cudnn，产生报错）
如果是手动安装的cuda和cudnn，那么也可以通过 基本测试
但是一旦涉及到调用cudnn，就会报错。
所以我copy了一位大佬搭建的一个简单的小网络的代码，来进行测试。
测试成功的话，就会正确地输出epoch：
测试代码：
import os
import numpy as np
import pandas as pd
import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import Dataset, DataLoader
# 配置GPU，这里有两种方式
## 方案一：使用os.environ
os.environ['CUDA_VISIBLE_DEVICES'] = '0' #多卡可以改成 '0,1,2,3'
# 方案二：使用“device”，后续对要使用GPU的变量用.to(device)即可
device = torch.device("cuda:1" if torch.cuda.is_available() else "cpu")
## 配置其他超参数，如batch_size, num_workers, learning rate, 以及总的epochs
batch_size = 256
num_workers = 4 # 对于Windows用户，这里应设置为0，否则会出现多线程错误
lr = 1e-4
epochs = 20
# 首先设置数据变换
from torchvision import transforms
image_size = 28
data_transform = transforms.Compose([
transforms.ToPILImage(),
# 这一步取决于后续的数据读取方式，如果使用内置数据集读取方式则不需要
transforms.Resize(image_size),
transforms.ToTensor()
])
## 读取方式一：使用torchvision自带数据集，下载可能需要一段时间
# from torchvision import datasets
# train_data = datasets.FashionMNIST(root='./', train=True, download=True, transform=data_transform)
# test_data = datasets.FashionMNIST(root='./', train=False, download=True, transform=data_transform)
## 读取方式二：读入csv格式的数据，自行构建Dataset类
# csv数据下载链接：https://www.kaggle.com/zalando-research/fashionmnist
class FMDataset(Dataset):
def __init__(self, df, transform=None):
self.df = df
self.transform = transform
self.images = df.iloc[:,1:].values.astype(np.uint8)
self.labels = df.iloc[:, 0].values
def __len__(self):
return len(self.images)
def __getitem__(self, idx):
image = self.images[idx].reshape(28,28,1)
label = int(self.labels[idx])
if self.transform is not None:
image = self.transform(image)
else:
image = torch.tensor(image/255., dtype=torch.float)
label = torch.tensor(label, dtype=torch.long)
return image, label
train_df = pd.read_csv("./FashionMNIST/fashion-mnist_train.csv")
test_df = pd.read_csv("./FashionMNIST/fashion-mnist_test.csv")
train_data = FMDataset(train_df, data_transform)
test_data = FMDataset(test_df, data_transform)
print('读取完毕!')
train_loader = DataLoader(train_data, batch_size=batch_size, shuffle=True, num_workers=num_workers, drop_last=True)
test_loader = DataLoader(test_data, batch_size=batch_size, shuffle=False, num_workers=num_workers)
数据读取成功的话会是这样：
测试代码继续：
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv = nn.Sequential(
nn.Conv2d(1, 32, 5),
nn.ReLU(),
nn.MaxPool2d(2, stride=2),
nn.Dropout(0.3),
nn.Conv2d(32, 64, 5),
nn.ReLU(),
nn.MaxPool2d(2, stride=2),
nn.Dropout(0.3)
)
self.fc = nn.Sequential(
nn.Linear(64*4*4, 512),
nn.ReLU(),
nn.Linear(512, 10)
)
def forward(self, x):
x = self.conv(x)
x = x.view(-1, 64*4*4)
x = self.fc(x)
# x = nn.functional.normalize(x)
return x
model = Net()
model = model.cuda() #单卡训练
# model = nn.DataParallel(model).cuda() # 多卡训练时的写法，之后的课程中会进一步讲解
criterion = nn.CrossEntropyLoss()
# criterion = nn.CrossEntropyLoss(weight=[1,1,1,1,3,1,1,1,1,1])
optimizer = optim.Adam(model.parameters(), lr=0.001)
def train(epoch):
model.train()
train_loss = 0
for data, label in train_loader:
data, label = data.cuda(), label.cuda()
optimizer.zero_grad()
output = model(data)
loss = criterion(output, label)
loss.backward()
optimizer.step()
train_loss += loss.item()*data.size(0)
train_loss = train_loss/len(train_loader.dataset)
print('Epoch: {} \tTraining Loss: {:.6f}'.format(epoch, train_loss))
def val(epoch):
model.eval()
val_loss = 0
gt_labels = []
pred_labels = []
with torch.no_grad():
for data, label in test_loader:
data, label = data.cuda(), label.cuda()
output = model(data)
preds = torch.argmax(output, 1)
gt_labels.append(label.cpu().data.numpy())
pred_labels.append(preds.cpu().data.numpy())
loss = criterion(output, label)
val_loss += loss.item()*data.size(0)
val_loss = val_loss/len(test_loader.dataset)
gt_labels, pred_labels = np.concatenate(gt_labels), np.concatenate(pred_labels)
acc = np.sum(gt_labels==pred_labels)/len(pred_labels)
print('Epoch: {} \tValidation Loss: {:.6f}, Accuracy: {:6f}'.format(epoch, val_loss, acc))
for epoch in range(1, epochs+1):
train(epoch)
val(epoch)
save_path = "./FashionModel.pkl"
torch.save(model, save_path)
4.常见问题：
**pytorch自带的cuda能用 nvcc -V 来验证吗？
不能，但可以用代码看
import torch
print(torch.version.cuda) # 看自带的cuda版本
torch.backends.cudnn.version() # 看自带的cudnn版本
搞不清楚driver，cuda，cudnn，pytorch，python的版本对应关系怎么办？
看这里
