配置cuda-torch环境保姆级教程
环境包:cuda版本的torch、torchvision
系统环境:win10 X64,anaconda
cuda和pytorch对应版本
https://pytorch.org/get-started/previous-versions/
配置流程
1、添加源路径
#打开Anaconda Prompt (终端界面) #进入你想进入的环境 #进入base环境 / 你的其他建立的虚拟环境 conda activate base #中科大源 conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/ #清华源 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 --set show_channel_urls yes # 设置成功后可以用以下指令查看是否添加成功 conda config --show channels
2、创建虚拟环境
#查看当前所有的虚拟环境 conda env list # 创建一个名为python34的环境,指定Python版本是3.4(不用管是3.4.x,conda会为我们自动寻找3.4.x中的最新版本) conda create --name python34 python=3.4 # 进入base环境(可以进入你所建立的虚拟环境) conda activate base
3、安装torch、torchvision包
3.1查看合适版本的torch包
# 选择合适的pytorch版本,用conda search pytorch查找当前路径所有pytorch的版本(包括默认源路径和添加源路径) conda search pytorch
#以下是结果
Loading channels: done # Name Version Build Channel pytorch 1.0.1 cpu_py36h39a92a0_0 anaconda/pkgs/main pytorch 1.0.1 cpu_py36h39a92a0_0 pkgs/main pytorch 1.0.1 cpu_py37h39a92a0_0 anaconda/pkgs/main pytorch 1.0.1 cpu_py37h39a92a0_0 pkgs/main pytorch 1.3.1 cpu_py36h9f948e0_0 anaconda/pkgs/main pytorch 1.3.1 cpu_py36h9f948e0_0 pkgs/main pytorch 1.3.1 cpu_py37h9f948e0_0 anaconda/pkgs/main pytorch 1.3.1 cpu_py37h9f948e0_0 pkgs/main pytorch 1.4.0 cpu_py36ha775e86_0 anaconda/pkgs/main pytorch 1.4.0 cpu_py36ha775e86_0 pkgs/main pytorch 1.4.0 cpu_py37ha775e86_0 anaconda/pkgs/main pytorch 1.4.0 cpu_py37ha775e86_0 pkgs/main pytorch 1.4.0 cpu_py38ha775e86_0 anaconda/pkgs/main pytorch 1.4.0 cpu_py38ha775e86_0 pkgs/main pytorch 1.5.0 cpu_py37h9f948e0_0 anaconda/pkgs/main pytorch 1.5.0 cpu_py37h9f948e0_0 pkgs/main pytorch 1.6.0 cpu_py37h538a6d7_0 anaconda/pkgs/main pytorch 1.6.0 cpu_py37h538a6d7_0 pkgs/main pytorch 1.6.0 cpu_py38h538a6d7_0 anaconda/pkgs/main pytorch 1.6.0 cpu_py38h538a6d7_0 pkgs/main # 显然在当前路径下没有cuda版本的pytorch,这里我们再添加一个pytorch的源路径 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --set show_channel_urls yes #这时候你再输入conda search pytorch就会有很多个版本的pytorch了,下面列举部分版本 pytorch 1.4.0 py3.7_cuda92_cudnn7_0 anaconda/cloud/pytorch pytorch 1.4.0 py3.8_cpu_0 anaconda/cloud/pytorch pytorch 1.4.0 py3.8_cuda101_cudnn7_0 anaconda/cloud/pytorch pytorch 1.4.0 py3.8_cuda92_cudnn7_0 anaconda/cloud/pytorch pytorch 1.5.0 cpu_py37h9f948e0_0 anaconda/pkgs/main pytorch 1.5.0 cpu_py37h9f948e0_0 pkgs/main pytorch 1.5.0 py3.5_cpu_0 anaconda/cloud/pytorch pytorch 1.5.0 py3.5_cuda101_cudnn7_0 anaconda/cloud/pytorch pytorch 1.5.0 py3.5_cuda102_cudnn7_0 anaconda/cloud/pytorch pytorch 1.5.0 py3.5_cuda92_cudnn7_0 anaconda/cloud/pytorch pytorch 1.5.0 py3.6_cpu_0 anaconda/cloud/pytorch pytorch 1.5.0 py3.6_cuda101_cudnn7_0 anaconda/cloud/pytorch pytorch 1.5.0 py3.6_cuda102_cudnn7_0 anaconda/cloud/pytorch pytorch 1.5.0 py3.6_cuda92_cudnn7_0 anaconda/cloud/pytorch pytorch 1.5.0 py3.7_cpu_0 anaconda/cloud/pytorch pytorch 1.5.0 py3.7_cuda101_cudnn7_0 anaconda/cloud/pytorch pytorch 1.5.0 py3.7_cuda102_cudnn7_0 anaconda/cloud/pytorch #可以观察,pytorch版本的不同是对应不同的python和cudatoolkit版本 #我们环境的python版本为3.7.1,同时选择cuda为9.2的pytorch pytorch 1.4.0 py3.7_cuda92_cudnn7_0 anaconda/cloud/pytorch
3.2安装cuda版本的pytorch、torchvision
# 进入pytorch官网 https://pytorch.org/ # 根据系统类型、cuda or cpu以及一些版本,生成conda install 指令 #conda install pytorch torchvision cudatoolkit=10.1 -c pytorch #这里 -c 是表示从默认源下载,速度会很慢的,所以这里要删掉,从我们指定的镜像源下载 #指定pytorch1.4.0以及cudatoolkit9.2版本,因此输入以下指令 conda install pytorch torchvision cudatoolkit=9.2 pytorch==1.4.0 #安装完成之后用conda list 查看虚拟环境下安装的包 conda list
3.3验证是否安装成功
import torch
import numpy
import torchvision
问题总结
1、pip、conda的区别 1)一般来说如果用conda安装不了的,你可以用pip下载,pip默认从官方源下载,速度比较慢,除非你用-i指定下载源 2)相比于pip,conda安装不仅安装指定的包,比如你用conda 安装pytorch,conda安装同时还会安装pytorch所需要支持的各种包。 3)与2)一样,用conda卸载除了卸载指定的包,相应的支持包也会一起被卸载。加入我们需要降级下载一个低版本的numpy,这时候应先用pip uninstall numpy 卸载当前环境下的numpy,再用conda install numpy==1.14.0 去安装低版本的numpy
参考链接
https://zhuanlan.zhihu.com/p/265980568
补充一下
CUDA版本 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 470.82.00 Driver Version: 470.82.00 CUDA Version: 11.4 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | | | | MIG M. | |===============================+======================+======================| | 0 NVIDIA GeForce ... Off | 00000000:02:00.0 Off | N/A | | 54% 43C P2 109W / 350W | 8061MiB / 24268MiB | 0% Default | | | | N/A | +-------------------------------+----------------------+----------------------+ +-----------------------------------------------------------------------------+ | Processes: | | GPU GI CI PID Type Process name GPU Memory | | ID ID Usage | |=============================================================================| | 0 N/A N/A 1288 G /usr/lib/xorg/Xorg 4MiB | | 0 N/A N/A 12072 C python 8053MiB | +-----------------------------------------------------------------------------+
安装对应的cudatoolkit和pytorch
python=3.6
conda install cudatoolkit=11.1 cudnn pip install torch===1.7.1+cu110 torchvision===0.8.2+cu110 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.douban.com/simple/