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:
    # C:\Users\****\.ssh\config
    Host ****@192.168.***.***
    HostName 192.168.***.***
    User ****
    
    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

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

参考资料

  1. VScode Remote远程开发与调试
  2. Linux和Windows查看CUDA和cuDNN版本
  3. Linux chmod命令
  4. Start Locally | PyTorch
  5. vscode unresolved import warning
posted @ 2020-06-15 16:36  Wan-deuk-i  阅读(157)  评论(0编辑  收藏  举报