PytorchGPU版本环境配置【Anconda + Pycharm】

2023年12月12日 深度学习课程是基于Pytorch框架

对于自己安装的快捷提示

我的GPU是GTX 3060笔记本的

conda create -n DeepLearning python==3.8 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

conda activate DeepLearning

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

conda install cudatoolkit=11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

conda install jupyter -c https://https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

更新于9月25日

解决了Solving Evelement的报错！并且更新了步骤，只要跟着步骤做，基本马上拿下！

有的没的

因为之前瞎搞，环境乱七八糟，这次DL课程最好装上GPU版本，那么就通过这次一次性弄个好吧！绝对不是因为，我之前不会弄。（是这样的）
课程需要配置好环境。最后经过一段时间的瞎搞乱搞的调整，Pytorch-GPU版本成功安装好了。

我是根据B站--土堆教学【---->视频链接<----】，再加上我的特殊情况（总是CPU）版本的错误，进行修改从而达到的安装好的目的。

上面这个视频非常推荐观看!!

我的安装配置情况之前就弄不好

• 独立显卡：NVIDIA GeForce 3060 Laptop
• 电脑系统：Windows 10
• Pytorch：1.12.1 py3.10_cuda11.3_cudnn8_0
• CUDA: 11.3
• Python: 3.10

一、基本流程

1. 更新独显驱动（已经装了，不想更新也行）
2. 确认CUDA Driver版本，Pytorch版本
3. 创建conda的虚拟环境
4. 通过指令安装Pytorch
5. 配置好Pycharm
6. 测试Pytorch安装

二、开干! 【确认基本信息】

2.1确认自己的独立显卡型号。

【--->点击确认显卡算力<---】
去任务管理器啥的就有。我的显卡是GTX 3060 Laptop,算力是8.6

2.2 我们需要更新自己独立显卡的驱动。根据自己的情况进行安装最新的驱动。（已经装了，不想更新也行）

【NVIDIA的驱动下载】

2.3 确认自己的显卡当前算力下支持的CUDA版本。

--->图片的地址<---【要魔法】

• 方法一：这里需要对比一下这个表~可以看到，因为我的算力是8.6我就对着看，看11.1-11.4都是OK的。
  
• 方法二：通过NVIDIA指令进行查询。
  打开终端输入以下指令，会出现以下的信息。

nvidia-smi

可以看到，CUDA的版本是12.2，和刚才的11.1 - 11.4不匹配，我为了保险起见，最终还是选择了11.3的版本。它是可以不装最新的那个版本的。

2.4 确认CUDA对应的Pytorch版本！。

然后我们去看这个CUDA对应的【Pytorch】版本！

不难发现我们的版本是Pytorch==1.12.0

2.5 确认Pytorch对应的Python版本！

我们去，镜像网站看下这个Pytorch对应的Python版本！[【--->Pytorch镜像网站<---】]
(https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/)
可以看到下图，我们支持的Python版本如下，那么我也需要对应起来!!!(其中一个即可)

2.6 最终总结

我们经过上述的一系列操作确定了我们的版本条件如下：

• CUDA 为11.3
• Pytorch 为1.12
• Python 为3.10
  那么在安装的时候也要对应所有以上条件！！！

三、开干！【实际安装】

3.1 创建Conda的虚拟环境

①用Prompt创建环境
在我们的Prompt中输入以下指令。Prompt就是这个

conda create -n DeepLearning python==xx.xx -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

xx.xx是你需要的Python版本！！！
这段指令的意思就是创建一个虚拟环境：

• 名为DeepLearning的虚拟环境
• 并且修改通道为清华的镜像
• 有询问输入y即可

指令格式为：conda create -n 【环境名字】 python==【版本号】 -c 【通道链接】

②激活新创建的环境
通过以下指令进行激活。

conda activate DeepLearning

激活以后，左边的括号会改变哦。一开始我们是在base的环境下，激活后便到了DeepLearning下。

③安装需要的包
我这里踩坑两次，总是装成CPU版本。我们需要先安装一下anaconda，并且更新conda后面才能显示出来包的环境是否为GPU。
所以来到环境后我们可以先安装一个anaconda的一些包，保证conda指令较新。

conda install anaconda -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

④安装conda
我们需要更新conda，我这个一装都是v-4.几最新的都23.多。使用以下指令:

conda install conda -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

如果出现如下提示：

说明没有用管理员方式打开，我们只要关掉，然后用管理员运行即可。

安装成功后再试试更新。然后可以用conda --v来查询版本。

变成上面这个求样子，这个运行完以后就虚拟环境部分结束了。终于弄好了，这一步卡了30分钟，我蠢撒子

3.2 在Pytorch官网上找到自己的版本下载指令。

我们进入官网。Pytorch官网下载

不难看到，这版本都好新，11.8我怕装上用不了，我就去装旧的。点那个Previous。即可，进去后以你支持的CUDA版本，记好了是CUDA版本比如我的是CUDA 11.3。浏览器ctrl + f搜索。就会得到以下结果。

把这条代码复制过来就是：

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

此处，把最后的通道修改为了国内的通道，下的非常快，比原本的那个好一些。===因为我们之前已经先前确认了所有的环境！所以装之前确定的！=

3.3 返回虚拟环境

将指令输入到终端中，然后等待，就会出现以下的框框。

此处会对应几个情况，都是我遇到的！！我会一一说明。

• 如果此处，没有框框。是因为conda的版本太低了，觉得没有安全感。你返回上面3.1的第④步自己去更新！

• 但其实如果此处，没有框框。一直在转圈圈那你就等等它，极大概率会安装成功，只要之前做的是对的。

• 如果此处，Pytorch不是cuda版本，显示了cpu说明指令不对，去复制官网的。

• 如果此处, 因为我先前装了cudatollkit不是清华的镜像，就先取消安装把指令改为：

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

• 然后单独安装cudatollkit指令为：

conda install cudatoolkit=11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

3.4 查看环境配置是否正确

输入以下指令,查看安装包。

conda list

会出现一长串，但是是排序好的，主要找这两个。

• 看看pytorch是否是cuda的版本
  
• 看看cudatoolkit安装了没。
  

如果都有了那就欧克!

3.5 代码检查。

终端，输入以下指令。如果出现了True，哇靠！成啦！

python

import torch
print(torch.cuda.is_available())

四、配置Pycharm

4.1 创建一个新的文件

我们在配置的时候需要选择环境，用本地的环境，第一次是肯定看不到新创建的DeepLearning环境的。点击添加解释器。

选择，conda环境，然后选最新创建的那个DeepLearning。

4.2 等啊等等

输出代码

import torch

print(torch.cuda.is_available())

哇！输出True啦！如果是False就是安装错误需要重新做，或者你没有独立显卡啦！

4.3 测试代码

把代码输入即可测试速度！这个是黏贴过来的！！【-->代码源地址<--】

import torch
import time
from torch import autograd
#GPU加速
print(torch.__version__)
print(torch.cuda.is_available())

a=torch.randn(10000,1000)
b=torch.randn(1000,10000)
print(a)
print(b)
t0=time.time()
c=torch.matmul(a,b)
t1=time.time()

print(a.device,t1-t0,c.norm(2))

device=torch.device('cuda')
print(device)
a=a.to(device)
b=b.to(device)

t0=time.time()
c=torch.matmul(a,b)
t2=time.time()
print(a.device,t2-t0,c.norm(2))


t0=time.time()
c=torch.matmul(a,b)
t2=time.time()

print(a.device,t2-t0,c.norm(2))

结束结束！！！！！祝自己能学点东西8........