Pytorch最全安装教程(一步到位)

Pytorch最全安装教程(一步到位)概述PyTorch是一个开源的Python机器学习库,其前身是著名的机器学习库Torch。它是美国Facebook公司使用python语言开发的一个深度学习的框架,2017年1月,Facebook人工智能研究院(FAIR)在GitHub上开源了PyTorch。它的前身是2002年诞生于纽约大学的Torch。特点:1)简洁:PyTorch的设计追求最少的封装,尽量避免重复造轮子。简洁的设计带来的另外一个好处就是代码易于理解。PyTorch的源码只有TensorFlow的十分之一左右,更少的抽

目录

概述

安装

一、安装Anaconda

二、安装CUDA(也可以不安装)

(一)CUDA概述

(二)安装

三、安装pytorch

(一)CPU版本

(二)GPU版本


概述

PyTorch是一个开源的Python机器学习库,其前身是2002年诞生于纽约大学 的Torch。它是美国Facebook公司使用python语言开发的一个深度学习的框架,2017年1月,Facebook人工智能研究院(FAIR)在GitHub上开源了PyTorch。

特点:

1)简洁:
PyTorch的设计追求最少的封装,尽量避免重复造轮子。 简洁的设计带来的另外一个好处就是代码易于理解。PyTorch的源码只有TensorFlow的十分之一左右,更少的抽象、更直观的设计使得PyTorch的源码十分易于阅读。

(2)速度:
PyTorch 的灵活性不以牺牲速度为代价,在许多评测中,PyTorch 的速度表现胜过 TensorFlow和Keras 等框架。

(3)易用:
PyTorch 是所有的框架中面向对象设计的最优雅的一个。PyTorch的面向对象的接口设计来源于Torch,而Torch的接口设计以灵活易用而著称,Keras作者最初就是受Torch的启发才开发了Keras。PyTorch继承了Torch的衣钵,尤其是API的设计和模块的接口都与Torch高度一致。PyTorch的设计最符合人们的思维,它让用户尽可能地专注于实现自己的想法,即所思即所得,不需要考虑太多关于框架本身的束缚。

安装

Pytorch的安装看似很简单,但其实bug重重。

Pytorch最全安装教程(一步到位)

以上为简要步骤,下面将介绍详细过程。

一、安装Anaconda

这里直接用清华源镜像进行下载。

网址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

按照需要选则自己需要的版本。

1、运行安装包,一路默认路径就ok,但是需要记清楚路径,因为后期还需要进行环境变量配置。

Pytorch最全安装教程(一步到位)

finish后,记得将两个对勾取消。

2、环境变量配置

配置path路径

Pytorch最全安装教程(一步到位)

3、测试是否安装成功

进入cmd,输入语句
conda –version

Pytorch最全安装教程(一步到位)

出现版本号就算成功。

二、安装CUDA(也可以不安装)

CUDA安装与否决定这下载pytorch时的选择。

(一)CUDA概述

2006年,NVIDIA公司发布了CUDA(Compute Unified Device Architecture),是一种新的操作GPU计算的硬件和软件架构,是建立在NVIDIA的GPUs上的一个通用并行计算平台和编程模型,它提供了GPU编程的简易接口,基于CUDA编程可以构建基于GPU计算的应用程序,利用GPUs的并行计算引擎来更加高效地解决比较复杂的计算难题。它将GPU视作一个数据并行计算设备,而且无需把这些计算映射到图形API。操作系统的多任务机制可以同时管理CUDA访问GPU和图形程序的运行库,其计算特性支持利用CUDA直观地编写GPU核心程序。

CUDA提供了对其它编程语言的支持,如C/C++,Python,Fortran等语言。只有安装CUDA才能够进行复杂的并行计算。主流的深度学习框架也都是基于CUDA进行GPU并行加速的,几乎无一例外。还有一个叫做cudnn,是针对深度卷积神经网络的加速库。

CUDA在软件方面组成有:一个CUDA库、一个应用程序编程接口(API)及其运行库(Runtime)、两个较高级别的通用数学库,即CUFFT和CUBLAS。CUDA改进了DRAM的读写灵活性,使得GPU与CPU的机制相吻合。另一方面,CUDA提供了片上(on-chip)共享内存,使得线程之间可以共享数据。应用程序可以利用共享内存来减少DRAM的数据传送,更少的依赖DRAM的内存带宽。

(二)安装

1、NVIDIA下载:

新版本:https://www.nvidia.cn/Download/index.aspx?lang=cn

历史版本:https://www.nvidia.cn/Download/Find.aspx?lang=cn

cmd后输入:

cd C:\Program Files\NVIDIA Corporation\NVSMI\
nvidia-smi.exe
cd C:\Program Files\NVIDIA Corporation\NVSMI\
C:\Program Files\NVIDIA Corporation\NVSMI>nvidia-smi.exe
Sat Mar 20 20:08:16 2021
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 461.72       Driver Version: 461.72       CUDA Version: 11.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name            TCC/WDDM | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  GeForce GTX 108... WDDM  | 00000000:1B:00.0  On |                  N/A |
|  0%   31C    P8    12W / 280W |    999MiB / 11264MiB |      1%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+

2、CUDA下载

在NVIDIA控制面板查看显卡驱动版本,选择合适的CUDA版本进行下载。

Pytorch最全安装教程(一步到位)

根据这张图选择合适的CUDA版本进行下载。

Pytorch最全安装教程(一步到位)

CUDA下载地址(清华镜像源):CUDA Toolkit 10.1 update1 Archive | NVIDIA Developer

3、安装CUDA

选择“自定义安装”,选择以下四个组件后,点击下一步完成!

Pytorch最全安装教程(一步到位)

如果安装完后没有报错,并且

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

目录路径都存在的话,可进行下一步设置环境变量。

4、配置环境变量(与path同级)

CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
CUDA_PATH_V9_1 = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
 
##正常情况下上面两个电脑直接生成了
 
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

依次填入后,找到path依次点击新建,将 %CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_BIN_PATH%;%CUDA_SDK_LIB_PATH%;填完后如下图,全部安装好后一定要记得重启!。

5、测试CUDA是否安装成功:

进入cuda安装路径:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite

同样用cmd,分别输入deviceQuery.exe 和 bandwidthTest.exe,若都显示 Rsult=PASS 则说明通过,否则需要重新安装。
 

三、安装pytorch

 1、用conda创建环境来安装不同版本的pytorch,每次都安装删除会很麻烦,可以通过使用conda指令来为不同的版本创建单独的环境。进入cmd后输入指令:

conda create -n pytorch python=3.9.6

—等号后面为python的版本号(如果不知道,可以在cmd中输入python –version进行查看)

安装过程会出现y/n提示,输入y即可。安装的速度与网速有关,如若期间有未安装成功的部分再重新输入语句继续安装即可。

2、安装结束后,可输入以下语句查看自己新安装的环境

conda info –envs

Pytorch最全安装教程(一步到位)

*所指为当前所处环境

3、进入环境

输入语句:切换不同空间   

activate base

activate pytorch

Pytorch最全安装教程(一步到位)

 注意:此时的cmd界面不要关掉,之后会在此处进行安装pytorch操作

(一)CPU版本

4、下载

 官网地址:https://pytorch.org/

在Get Started界面选择合适的版本,官网会给出相应的语句。

Pytorch最全安装教程(一步到位)

 这里我选择了stable(稳定版),windows操作系统,python语言,cuda版本10.1。

注意:CUDA版本的选择针对有支持cuda独显的电脑,可以通过这个网站来判断你的电脑显卡是否支持。如果不支持或者无显卡,则选择 None 。同时注意:有显卡的朋友们也要检查自己显卡驱动能够匹配的cuda版本,方法在此,如果显卡驱动太旧,建议使用Nvidia Experience或手动下载进行更新
 

 注意:此时给出的句子后有 -c pytorch,这是从官网下载会比较慢,所以这里更推荐通过清华镜像源进行下载,语句删去 -c pytorch即可。

具体操作如下:

在cmd下执行如下语句

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
conda config --set show_channel_urls yes
conda config --set ssl_verify false

在Anaconda安装文件下找到.condarc文件(C:\Users\用户名),修改为如下:

题外话:推荐everything           (http://www.voidtools.com/)

Pytorch最全安装教程(一步到位)

 此时回到pytorch空间,执行语句即可:

conda install pytorch torchvision cudatoolkit=10.1

测试是否安装成功:

import torch 
print(torch.__version__)    #显示版本
print("gpu", torch.cuda.is_available())  #False

出现false是因为我们此时安装的是cpu版本的,而非gpu,不要急,我们接着来。

(二)GPU版本

查看自己的python版本(我的是3.9.6)。

Pytorch最全安装教程(一步到位)

torch和torchvision的版本对应(红框内为本次的选择):

Pytorch最全安装教程(一步到位)

 点击链接:https://download.pytorch.org/whl/torch_stable.html

Pytorch最全安装教程(一步到位)Pytorch最全安装教程(一步到位)

 变色的文件为下载的文件,可以新建一个文件夹,将下载文件保存在内。

Pytorch最全安装教程(一步到位)

 cmd,进入目录,pip install “文件名”。

Pytorch最全安装教程(一步到位)

输入命令查看。

pip list

Pytorch最全安装教程(一步到位)

检查安装情况。

import torch

print(torch.__version__)
print(torch.cuda.is_available())

Pytorch最全安装教程(一步到位)

若出现版本号且输出True即为成功!

恢复默认源:conda config –remove-key channels

参考文档:

Win10下借助Anaconda安装pytorch_学而不思则忘,思而不学则die-CSDN博客

GPU版本安装Pytorch教程最新方法 

win10下pytorch和CUDA的安装完整过程_chon机械师的博客-CSDN博客_pytorch和cuda安装

pytorch安装视频

今天的文章Pytorch最全安装教程(一步到位)分享到此就结束了,感谢您的阅读。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/7491.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注