1、Anaconda(conda)安装配置
Conda 是一个开源的、跨平台的软件包管理系统和环境管理系统,用于安装多个 Python 版本的软件包及其依赖关系,并在它们之间轻松切换。你可以把 Conda 看作 Python 领域的 Maven ,当然有些功能可能比 Maven 更加强大。通常我会安装 anaconda 来集成 Conda 和 Python 环境,anacoda 额外还有 numpy 、pandas 等有用的科学计算包。如果你有洁癖也可以使用 MiniConda ,它只包含 Conda 和 Python 。
参考文档:
Python Anaconda(conda)在 Mac上安装配置
Python Anaconda(conda)在 Linux上安装配置
Python Anaconda(conda) 在 Windows 上安装配置
2、在线安装Pytorch
将Anaconda(conda)安装完成,则可以使用conda
安装Pytorch,命令如下,
conda install pytorch torchvision -c pytorch
注意:正常情况下,很容易就能装好Pytorch,如果出现安装失败,很可能是网络延迟高的问题,则可以通过配置anacoda 国内镜像源来解决,命令如下:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --set show_channel_urls yes
配置好anacoda 国内镜像源后,然后在执行安装命令。
3、离线安装Pytorch
如果在线安装出现异常或无法安装,我们可以通过下载安装文件,通过离线方式来安装Pytorch。
下载地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
通过上面下载地址,下载好对应版本的pytorch和 torchvision 包,然后执行安装命令,
例如,
# env_name 为 Conda 环境名 conda install --offline env_name /path/to/pytorch-1.4.0-py3.7_0.tar.bz2 conda install --offline env_name /path/to/torchvision-0.5.0-py37_cpu.tar.bz2
4、使用pip安装
要使用 pip
安装 PyTorch,只需根据是否使用 GPU 选择相应命令。
1)CPU 版本(不依赖显卡)
对于仅使用 CPU 的用户,可直接运行命令安装。
pip install torch torchvision torchaudio
2)GPU 版本
安装 PyTorch GPU 版本,可根据电脑的 CUDA 版本 选择对应命令。
pip install torch \ torchvision \ torchaudio \ --index-url https://download.pytorch.org/whl/cuXXX
注意: 上面是通用安装命令,其中 cuXXX
表示 CUDA 版本,例如 cu118
表示 CUDA 11.8。
常见 CUDA 版本安装命令
CUDA 12.1:
pip install torch \ torchvision \ torchaudio \ --index-url https://download.pytorch.org/whl/cu121
CUDA 11.8(最常用):
pip install torch \ torchvision \ torchaudio \ --index-url https://download.pytorch.org/whl/cu118
CUDA 11.7:
pip install torch \ torchvision \ torchaudio \ --index-url https://download.pytorch.org/whl/cu117
5、检查 CUDA 是否可用
可在 Python 中运行以下命令,检查 CUDA 是否可用。
import torch print(torch.__version__) print(torch.cuda.is_available()) # True 表示 GPU 可用
6、查看 CUDA 版本方法
1)通过 nvcc
命令(适用于安装了 CUDA Toolkit)
nvcc --version
2)通过 nvidia-smi
命令
适用于安装了 NVIDIA 驱动。
nvidia-smi
3)Python 中查看
import torch print(torch.version.cuda)