ClickHouse Mxnet EasyCVR iphone windows sorting vuejs 教程 sallenkey滤波器 css面试题 input边框颜色 matlab中如何定义函数 判断bigdecimal是否为空 java 注解 python多线程编程 python中文文档 python字典get python类与对象 如何配置python环境 python怎么下载 python路径设置 java类的继承 学习java基础 java运算 联发科p70 视频加文字用什么软件 jq改变css样式 挑战程序设计竞赛 计划任务软件 套料软件 极速pdf转word 服务器备份软件 微信昵称特殊符号 迅捷屏幕录像工具 this关键字 ibeacon定位 pr如何抠图 php递归算法 kz文件怎么打开 office下载安装 636
当前位置: 首页 > 学习教程  > python

Miniconda3+PyTorch1.7.1(GPU版)+Win10_x64+GTX1060深度学习环境搭建

2021/2/6 22:23:49 文章标签: 测试文章如有侵权请发送至邮箱809451989@qq.com投诉后文章立即删除

写在这里的初衷,一是备忘,二是希望得到高人指点,三是希望能遇到志同道合的朋友。 硬件信息: 系统:win10家庭中文版 CPU:i7-7700HQ 内存:16GB 显卡:GTX1060 目录一、确定硬件支持的CU…

写在这里的初衷,一是备忘,二是希望得到高人指点,三是希望能遇到志同道合的朋友。

硬件信息:
系统:win10家庭中文版
CPU:i7-7700HQ
内存:16GB
显卡:GTX1060

目录

  • 一、确定硬件支持的CUDA版本
  • 二、打开Anaconda Prompt(Miniconda3)
  • 三、确定pytorch版本,torchvision版本
    • 方案一:(conda命令进行安装)
    • 方案二:(pip命令安装)
  • 四、测试


一、确定硬件支持的CUDA版本

NVIDIA控制面板-帮助-系统信息-组件
在这里插入图片描述
CUDA 11.2.135的理解是,当前我安装的显卡驱动最高能支持的CUDA版本是11.2.135。显卡驱动是向后兼容的,新的版本兼容旧的版本
仔细说明请具体查看下边这篇博客:配置显卡驱动、CUDA、cuDNN以及说明三者之间的关系
可知:GTX1060最高能支持CUDA11.2版本,在这里,CUDA10.1比较稳定,pytorch和tensorflow环境配置都支持。

二、打开Anaconda Prompt(Miniconda3)

Miniconda3的环境配置安装可以查看:Miniconda3的环境配置
1)更换 北京外国语大学开源软件镜像站
在这里插入图片描述

经过亲测,北京外国语大学开源软件镜像站有pytorch比较新的环境包,可以进行下载
在Anaconda Prompt(Miniconda3)窗口复制以下命令(回车执行),生成.condarc 的文件(位置位于用户目录下)

conda config --set show_channel_urls yes

在这里插入图片描述
以记事本方式打开.condarc文件,删掉里边全部的东西,然后去https://mirrors.bfsu.edu.cn/help/anaconda/这个地址,复制下边全部内容,然后粘贴到.condarc里保存退出

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud
  msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud
  bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud
  menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud
  pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud

在这里插入图片描述
2)torch这个虚拟环境名称可以自定义

##清楚缓存
conda clean -i
##创建名为torch的虚拟环境,并为该环境安装python=3.8
conda create –n torch python=3.8
##激活名为torch的环境
conda activate torch

三、确定pytorch版本,torchvision版本

方案一:(conda命令进行安装)

1)进入pytorch官网:https://pytorch.org/get-started/locally/
在这里插入图片描述
官方源太慢了
2)通过conda命令进行安装

conda install pytorch torchvision torchaudio cudatoolkit=10.1 -c pytorch

等待一段时间安装完毕,就可以进行进行测试

方案二:(pip命令安装)

1)激活名为torch的环境

conda activate torch

2)通过conda命令安装cudatoolkit=10.1,这种可以自动配置环境所需要的驱动
(或可以手动下载安装cuda和cudnn驱动,特别注意版本要一一对应,比较麻烦)

conda install cudatoolkit=10.1

在这里插入图片描述

conda list

在这里插入图片描述

3)进入pytorch官网:https://pytorch.org/get-started/locally/
在这里插入图片描述

pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

官方源比较慢,可以点击网址https://download.pytorch.org/whl/torch_stable.html
查找快捷键(Ctrl+F),输入:torch-1.7.1%2Bcu101,复制下载网址,打开迅雷进行下载
cu101/torch-1.7.1%2Bcu101-cp38-cp38-win_amd64.whl
其他版本的,大家对应下载。
在这里插入图片描述
下载完成后,牢记好文件夹位置。
4)切换到下载好的文件夹位置

#切换到E盘(大小写都可以)
e:
#切换到文件夹:
cd+空格+文件夹位置链接
#输完 pip install torch  按“Tab”会自动补全

在这里插入图片描述
5)继续安装torchvision和torchaudio(文件不大,官方源就可以)

pip install torchvision==0.8.2+cu101 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

在这里插入图片描述
下载安装完成后,pytorch(GPU版)就配置好了。接下来,进行环境测试。

四、测试

// 代码一
(base)C:\Users>conda activate torch
(torch) C:\Users>python
Python 3.8.5 [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> import torchvision
>>> print(torch.__version__)
1.7.1+cu101
>>> print(torchvision.__version__)
0.8.2+cu101
// 代码二
>>> from __future__ import print_function
>>>
>>> import torch
>>>
>>> x = torch.rand(5, 3)
>>>
>>> print(x)
tensor([[0.3014, 0.8230, 0.3620],
        [0.8152, 0.3978, 0.2294],
        [0.3962, 0.1242, 0.5690],
        [0.7732, 0.7767, 0.3939],
        [0.4866, 0.9192, 0.0832]])
// 代码三
>>> import torch
>>>
>>> torch.cuda.is_available()
True

以上是自己通过网络查找及自身实践整理所得,大家有更好的建议,可以留言交流!

转载或者引用本文内容请注明来源及原作者

参考
1.【conda教程】【机器学习环境搭建】使用Miniconda管理隔离虚拟Python环境
2. 关于conda环境的配置,看这一篇就够了
3. 配置显卡驱动、CUDA、cuDNN以及说明三者之间的关系
4. 安装PyTorch GPU/CPU 两种方法,各种版本,稳稳的!
5. Anaconda+PyTorch(GPU版)+Win10_x64+GTX1060深度学习环境搭建
6. Anaconda+PyTorch(GPU版)+Win10_x64+GTX1060深度学习环境搭建教程


本文链接: http://www.dtmao.cc/news_show_2000068.shtml

附件下载

相关教程

    暂无相关的数据...

共有条评论 网友评论

验证码: 看不清楚?