[pytorch] --- pytorch环境配置

原创 已于 2024-08-31 22:12:03 修改 · 874 阅读 · 7 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#pytorch #人工智能 #python

于 2024-08-25 14:11:09 首次发布

本教程环境搭建基于windows不带GPU和ubuntu带GPU

1 安装miniconda

1.1 miniconda与anaconda的区别

包含的包:
  • Anaconda: 是一个较大的发行版，预装了大量的科学计算和数据分析相关的 Python 包。
  • Miniconda: 更轻量级，只包含 Conda、Python 和它们的依赖，以及少量常用包。
安装体积:
  • 由于预装了许多包，Anaconda 的安装体积比 Miniconda 大很多。
灵活性:
  • Miniconda 提供了更大的灵活性，因为你可以只安装需要的包，从而使环境保持轻量。
  • Anaconda 则适合那些希望一站式安装所有数据科学需要的包的用户。

1.2 安装miniconda

miniconda下载地址

https://docs.anaconda.com/miniconda/miniconda-other-installer-links/#windows-installers

下载好包之后无脑点next，需要注意的是，这里需要勾选，添加miniconda到环境变量
在这里插入图片描述
安装好miniconda之后，win+R, 打开cmd窗口，输入conda --version检验conda是否安装完成
在这里插入图片描述

1.3 coda的使用

1.3.0 conda更还源

anaconda安装完成之后请切换到国内的源来提高下载速度 ，命令如下：

conda config --remove-key channels
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.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

1.3.1 查看当前conda创建的虚拟环境

// conda env list指令的作用是列出当前Miniconda或Anaconda安装下所有已创建的虚拟环境
conda env list

在这里插入图片描述

1.3.2 conda创建虚拟环境

// -n 表示制定虚拟环境的名字，python=3.6表示指定python版本
conda create -n pytorch python=3.6

1.3.3 激活创建的虚拟环境

conda activate pytorch

在这里插入图片描述
可以看到激活虚拟环境之后，左侧显示有（pytorch）

1.3.4 查看当前虚拟环境有哪些包

pip list

在这里插入图片描述

2 安装pytorch

pytorch官网有详细的安装指令，https://pytorch.org/
当前我的电脑环境没有gpu，指令选择这行指令复制既可
在这里插入图片描述
在这里插入图片描述

检验pytorch是否安装好
在这里插入图片描述

3 pycharm安装与使用

3.1 pycharm下载与安装

pycharm官网下载地址

https://www.jetbrains.com/pycharm/download/#section=windows

在这里插入图片描述

这里选择社区版进行下载即可

安装过程中这几个选项请务必选上，以避免后面不必要的麻烦
在这里插入图片描述

3.2 pycharm与conda虚拟环境配合使用

安装完毕之后找到我们的代码，通过pycharm打开即可
在这里插入图片描述

打开源码之后，我们在软件的右下角找到interpreter settings添加刚才建立的虚拟环境
在这里插入图片描述
在弹出的窗口中选择add interpreter->add local interpreter
在这里插入图片描述
在这里插入图片描述
设置好之后，回到pycharm编辑器可以看到这里已经变成了我们上一步设置的pytorch虚拟环境
在这里插入图片描述

4 jupyter安装与使用

在pytorch虚拟环境中安装jupter环境

conda install nb_conda

安装完成之后， 在终端输入jupyter notebook
在这里插入图片描述
会弹出一个网页，我们使用pytorh虚拟环境创建工程
在这里插入图片描述

5 linux如何搭建环境

本教程中使用ubuntu22.04版本

5.0 apt换源

跟换apt源为清华源
https://mirror.tuna.tsinghua.edu.cn/help/ubuntu/

# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ noble main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ noble main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ noble-updates main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ noble-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ noble-backports main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ noble-backports main restricted universe multiverse

# 以下安全更新软件源包含了官方源与镜像站配置，如有需要可自行修改注释切换
deb http://security.ubuntu.com/ubuntu/ noble-security main restricted universe multiverse
# deb-src http://security.ubuntu.com/ubuntu/ noble-security main restricted universe multiverse

# 预发布软件源，不建议启用
# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ noble-proposed main restricted universe multiverse
# # deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ noble-proposed main restricted universe multiverse

5.1 ubuntu环境如何查看gpu显卡信号

1.查看显卡基本信息

decre@decre:~$ lspci -Dnn | grep 'NVIDIA'
0000:01:00.0 3D controller [0302]: NVIDIA Corporation TU117GLM [T600 Mobile] [10de:1fba] (rev a1)

安装好显卡之后可以这样查看

decre@decre:~$ lspci -nnk -d 10de:1fba
01:00.0 3D controller [0302]: NVIDIA Corporation TU117GLM [T600 Mobile] [10de:1fba] (rev a1)
	Subsystem: Lenovo TU117GLM [T600 Mobile] [17aa:22d9]
	Kernel driver in use: nvidia
	Kernel modules: nvidiafb, nouveau, nvidia_drm, nvidia

2.查看gpu使用情况

// 如果没有安装显卡驱动的话，不会支持nvidia-smi指令
nvidia-smi

5.2 安装显卡驱动

方法一：直接使用 「软件和更新」安装显卡驱动
1 虽然没有安装好显卡驱动，不支持nvidia-smi指令，但是nvidia-detector指令是可以识别的
在这里插入图片描述
2 打开「软件和更新」-》附加驱动
默认安装的是最下面的开源的驱动，我们安装test后缀的驱动
在这里插入图片描述安装好之后在about中可以看到GPU已经正常显示
在这里插入图片描述
方法二：使用nvidia官方推荐的驱动安装
去官网搜索，https://www.nvidia.cn/drivers/lookup/，选择对应的信号

搜索结果如下，直接下来安装即可
在这里插入图片描述
检验nvidia驱动是否安装好

nvidia-smi

安装好可以看到类似这样的显示
在这里插入图片描述

5.3 安装好nvidia驱动之后，wifi/blue-teeth等不可用

问题描述： Ubuntu默认使用的nouveau驱动，需要更换成NVIDIA相应的驱动，在软件和更新里面一键安装了NVIDIA-driver-535-server之后，发现wifi、蓝牙等设备消失了

问题分析： 在Ubuntu22.04更新了显卡驱动之后，linux内核也随之更新且默认进入的linux内核变为该内核（原先内核版本：6.5.0-18 ==> 更新后内核版本：6.8.0-40），但更新不彻底，导致有一些配套软件驱动等等未安装在这个新内核中。

解决办法： 在Terminal中使用命令：uname -r 查看内核版本，我的更新后版本为6.5.0-26（可根据自己的版本进行下载），来到清华镜像网站：https://mirrors.tuna.tsinghua.edu.cn/ubuntu/pool/main/l/linux-hwe-6.8/ 下载下面的驱动模块：

在这里插入图片描述然后用U盘拷贝到不能上网的Ubuntu22.04系统上，利用

sudo dpkg -i linux-modules-extra-6.5.0-26-generic_6.5.0-26.26~22.04.1_amd64.deb

命令安装后 sudo reboot就可以重新看到WiFi以及蓝牙等设备图标了。

5.4 安装cuda

5.4.1 下载CUDA

前往NVIDIA官网https://developer.nvidia.com/cuda-toolkit-archive，选择和NVIDIA显卡驱动版本相适应的CUDA版本，我这里选择12.2.0版本。
在这里插入图片描述
在跳转出来的界面选择系统信息和平台信息，我是Intel的CPU，Ubuntu22.04系统，依次选择Linux，X86_64，Ubuntu，22.04。，并执行给出的安装指令
在这里插入图片描述

5.4.2 安装CUDA

执行上面的安装指令

sudo sh cuda_12.2.0_535.54.03_linux.run

等待页面跳转，在新的页面，使用上下键移动光标，使用Enter键选择Continue。

在这里插入图片描述之后，输入“accept”
在这里插入图片描述重点来了！！！在这个界面，使用空格或者Enter键，取消选择Driver，即让方括号中没有X，然后移动光标到Install，使用Enter键进行安装。如果这里不取消Driver，会覆盖安装NVIDIA驱动，会导致诸如黑屏等等不确定的问题。
在这里插入图片描述安装完成后显示如下界面，提醒我们添加环境变量。

在这里插入图片描述

5.4.3 添加环境变量

根据上述提示，在～/.bashrc中添加环境变量

export PATH=/usr/local/cuda-12.2/bin:${PATH:+${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64{LD_LIBRARY_PATH:+${LD_LIBRARY_PATH}}

5.4.4 测试CUDA是否安装成功

使用Ctrl+Alt+T新建终端，输入以下指令，显示CUDA版本信息，表明CUDA安装成功。
在这里插入图片描述

5.5 安装cudnn

5.5.1 下载cuDNN

在NVIDIA官网https://developer.nvidia.com/cudnn下载和CUDA版本对应的cuDNN。
在这里插入图片描述在弹出的页面中进行选择，并执行下面的安装指令
在这里插入图片描述

5.5.2 测试cuDNN是否安装成功

使用cd命令进入指定目录，运行bandwidthTest程序,显示如下信息，说明cuDNN安装成功
在这里插入图片描述
执行
在这里插入图片描述

同样可以看到
在这里插入图片描述

5.6 miniconda安装与使用

5.6.0 安装miniconda

安装miniconda
miniconda下载地址

https://docs.anaconda.com/miniconda/miniconda-other-installer-links/#windows-installers

下载好包之后安装即可
conda添加到环境变量
安装的时候一定要注意conda的安装路径，不要安装在root目录否则很麻烦

export PATH=/home/decre/miniconda3/bin:${PATH}

conda更换源
anaconda安装完成之后请切换到国内的源来提高下载速度 ，命令如下：
vim ~/.condarc，添加如下内容

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

5.6.1 查看当前conda创建的虚拟环境

// conda env list指令的作用是列出当前Miniconda或Anaconda安装下所有已创建的虚拟环境
conda env list

在这里插入图片描述

5.6.2 conda创建虚拟环境

// -n 表示制定虚拟环境的名字，python=3.6表示指定python版本
conda create -n pytorch python=3.6

5.6.3 激活创建的虚拟环境

conda activate pytorch

在这里插入图片描述
输入conda init后返回No action taken.
在这里插入图片描述

解决方法

    输入source activate，后发现前面多了(base)
    输入conda activate xxx(此处为自定义的环境名称)，后发现(base)变为(xxx)

5.6.4 查看当前虚拟环境有哪些包

pip list

在这里插入图片描述

5.6.5 在conda中安装pytorch

去pytorch官网查看对应的版本并选择安装指令
在这里插入图片描述检验pytorch环境安装是否成功
在conda虚拟环境中进入python，执行下来指令
在这里插入图片描述

若torch.cuda.is_available()返回true，则表示gpu可以被pytorch调用

参看链接：
https://blog.csdn.net/m0_55127902/article/details/135677560

windows版本不带GPU的可以正常run
ubuntu版本带GPU的环境也可以正常run
至此整个开发环境搭建完成

pytorch的环境配置
qq_43349542的博客
02-04 1556
https://blog.csdn.net/weixin_44791964/article/details/120668551
PyTorch零基础入门——环境配置
qq_53131372的博客
03-02 9489
PyTorch和Tensorflow是目前最为热门的深度学习框架，本系列文章主要围绕PyTorch框架进行展开。本次文章主要介绍PyTorch框架的搭建。本文主要介绍了如何配置PyTorch环境，以便后期进一步学习PyTorch框架。在配置环境时要注意python的版本，cuda的版本（nvidia-smi），如果安装的PyTorch版本与电脑的硬件配置不相匹配会导致后期程序出现bug。
PyTorch环境配置
Ricardo_PING的Blog
11-12 4812
pytorch环境配置
pytorch环境
qq_39322756的博客
07-06 273
pytorch环境 cuda10.1 torch1.4.0 certifi 2020.4.5.2 apex 0.1 cxxfilt 0.2.1 numpy 1.18.5 opencv-python 4.2.0.34 Pillow 7.1.2 pip 20.1.1 six 1.15.0 torch 1.4.0 torchvision 0.5.0 tqdm
pytorch环境配置
qq_51737232的博客
04-17 506
即成功安装gpu版本（若安装cpu版本的pytorch则会输出false）cmd命令行输入nvidia-smi，可查看本电脑的显卡及版本。在清华源中找到与自己cuda版本对应的pytorch版本。进入虚拟环境， 若开头括号显示创建的虚拟环境名称则成功。此处推荐一个安装办法（参考自windSeS博主。需勾选环境变量，若未勾选则需手动添加。，若显示刚刚创建的虚拟环境则创建成功。打开anaconda prompt。若开头有括号（base）即安装成功。没有报错即安装成功，输入。然后在虚拟环境下输入。
pytorch-openpose-master_pytorchopen_人体姿态_pytorch-openpose_身体识别_深
09-11
8. `.idea`：可能是开发环境（如IntelliJ IDEA）的配置文件。 9. `images`：可能包含一些示例图片或者项目相关的可视化图像。 总的来说，这个项目提供了一种使用PyTorch和OpenCV进行人体姿态识别的方法，涵盖了深度...
vgae_pytorch-master_vgae_vgae_pytorch-master_
09-29
PyTorch是一个流行的深度学习库，提供了灵活且高效的环境来实现这样的模型。 【标签】"vgae vgae_pytorch-master" 说明了项目的核心技术，即VGAE，以及项目在GitHub上的主分支名，通常用于版本控制和代码管理。 ...
NER-BERT-pytorch-master_ner_
10-03
《基于BERT的命名实体识别（NER）模型在Python PyTorch环境中的实现详解》 命名实体识别（NER）是自然语言处理（NLP）领域的一个关键任务，它旨在从文本中识别出具有特定意义的实体，如人名、地名、组织名等。随着...
pytorch-1.7.1-py3.8_cuda11.0.221_cudnn8.0.5_0.tar.bz2
03-03
在给定的压缩包文件"pytorch-1.7.1-py3.8_cuda11.0.221_cudnn8.0.5_0.tar.bz2"中，我们可以看到一个集成PyTorch 1.7.1版本、Python 3.8支持、CUDA 11.0.221以及CUDNN 8.0.5的环境配置。这一组合为高性能的GPU加速...
Bert-Chinese-Text-Classification-Pytorch-master.zip.zip
12-27
7. **注意事项**：在实际使用时，确保你的硬件环境（如GPU内存）足够运行BERT模型，因为BERT模型的计算需求较高。此外，理解BERT的工作原理和PyTorch的基本操作是必要的，以便更好地理解和改进代码。 这个项目提供...
pytorch环境的配置（超级详细）
weixin_67957872的博客
10-13 2万+
详细介绍了如何在conda环境下配置pytorch
【Pytorch安装】深度学习环境配置详细教程！（Pytorch GPU和CPU版本 & Python，Anaconda3 和 Pycharm 的安装）
最新发布
weixin_49179299的博客
02-19 5819
【Pytorch安装】深度学习环境配置详细教程！其中包括了 Python，Anaconda3 和 Pycharm 的安装，利用 anaconda 创建虚拟环境以及安装 Pytorch 的 GPU 和 CPU 版本。
手把手教你从零开始配置PyTorch环境！纯干货！
m0_56195839的博客
10-15 1万+
为了更好地在文章中体现配置环境期间可能出现的问题，已将配置好的环境删除之后，重新安装一遍并编写的教程，放心使用！
Python深度学习环境配置（Pytorch、CUDA、cuDNN），包括Anaconda搭配Pycharm的环境搭建以及基础使用教程（保姆级教程，适合小白、深度学习零基础入门）
热门推荐
sdjklghiof的博客
04-16 5万+
本文旨在帮助想要入门深度学习的小白进行深度学习的环境配置，总结了一台电脑从零开始配置到调用Pytorch使用GPU进行深度学习计算的全过程环境搭建，并包含了Anaconda搭配Pycharm的环境搭建以及一些基本使用方法。
Pytorch安装及配置环境
qq_41213229的博客
07-20 1万+
打开pycharm，新建项目，项目路径设置，项目编译器的选择，点击展开，因为已经创建了pytorch的环境，选择已存在的，interpreter下拉菜单中选择，若无选项，则点击三点按钮，选择conda环境，在右边下拉列表中选择，若无，则手动选择，点三点按钮，找到anaconda的安装地址，envs下面，选择pytorch环境，点击python.exe，点击确定，点击OK，可以看到已经导入之前创建的pytorch的环境，点击create完成。根据错误提示，找到路径，删除重复的.pyc文件，重新运行即可。
pytorch开发环境搭建(win10)
杨先森的专栏
12-23 3098
一、Pytorch简介 Pytorch是2017年Facebook人工智能研究院团队在Github上开源的一个深度学习框架，其历史可追溯到2002年诞生于纽约大学的Torch。自发布之后，Pytorch的热度便持续高涨，随着深度学习持续火热，Pytorch这一深度学习框架被运用地越发广泛。 二、环境搭建 1、Anaconda安装 pytorch开...
PyTorch环境搭建
m0_56945481的博客
09-22 1万+
​Pytorch是一个以Python优先的深度学习框架，不仅能够实现强大的GPU加速，同时还支持动态神经网络。​ PyTorch既可以看作加入了GPU支持的numpy，同时也可以看成一个拥有自动求导功能的强大的深度神经网络。
PyTorch环境配置及安装
weixin_42639395的博客
07-03 1186
使用anaconda创建环境，安装及使用pytorch的关键事项
PyTorch-YOLOv3-master：深度学习中的物体检测
该项目使用了PyTorch这一流行的深度学习框架作为其主要开发环境。PyTorch是由Facebook的人工智能研究团队开发的开源机器学习库，它广泛应用于计算机视觉和自然语言处理领域。YOLOv3是YOLO系列算法的第三个版本，相比...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Overboom

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值