PyTorch环境配置
PyTorch环境配置
本文档用于记录PyTorch环境配置过程中的要点。
安装Miniconda
- 下载Miniconda安装包：Miniconda3-latest-Linux-x86_64.sh
- 修改安装包的文件权限属性，使得Miniconda安装包能够执行：
chmod u+x Miniconda3-latest-Linux-x86_64.sh - 安装Miniconda：
sh ./Miniconda3-latest-Linux-x86_64.sh
安装PyTorch
- 通过Miniconda创建一个新的环境：
conda create --name torch Python - 激活环境：
conda activate torch - 查看CUDA版本：
nvcc --version - 根据CUDA版本安装相应的PyTorch库：
conda install pytorch torchvision cudatoolkit=10.2 -c pytorch - 验证PyTorch是否安装成功：
import torch x = torch.rand(5, 3) print(x) torch.cuda.is_available()
配置远程开发工具
本节用于记录配置VSCode远程编程与调试的插件Remote - SSH的过程。
- 通过ssh-keygen命令在本地生成用于ssh公钥认证的公钥和私钥文件：
ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa - 通过ssh-copy-id命令把公钥追加到远程机器的authorized_keys文件末尾：
ssh-copy-id hello-kitty@192.168.***.*** - 安装插件Remote - SSH
- 配置插件：
这里需要注意配置项Host需要按照"用户@IP地址"的格式进行设定，否则远程连接时会出现“过程试图写入的管道不存在”的异常状况# C:\Users\****\.ssh\config Host ****@192.168.***.*** HostName 192.168.***.*** User ****
基于CUDA的张量
- 查看可用的GPU的数量：
torch.cuda.device_count() - 定义CUDA device object，存在三种略有不同的方式：
# 第一种方式 device = torch.device('cuda:1') # 第二种方式，参数"1"表示显卡的下标（第二块显卡） torch.cuda.set_device(1) device = torch.device('cuda') # 第三种方式 device = torch.device('cuda', 1) - 定义张量：
x = torch.randn(5, 3, device=device)
导入警告问题
用VSCode编写Python代码，在导入语句import torch下方会出现黄色波浪线，提示未解决的导入“unresolved import 'torc'”。异常情况是由Microsoft Python Analysis Engine引发的，通过设置Jedi作为IntelliSense引擎，可以解决这一问题：
- Ctrl + Shift + P，打开VSCode命令面板
- 输入“Configure Language Specific Settings”，选择语言“Python”
- 在打开的配置文件（settings.json）中找到配置项“python.jediEnabled”
- 设定配置项
"python.jediEnabled": true,，保存并重新加载VSCode
