2023年9月12日 深度学习课程是基于Pytorch框架
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
一、基本流程
- 更新独显驱动(已经装了,不想更新也行)
- 确认
CUDA Driver
版本,Pytorch
版本 - 创建
conda
的虚拟环境 - 通过指令安装
Pytorch
- 配置好
Pycharm
- 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。
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)
2.3 确认自己的显卡当前算力下支持的CUDA
版本。
- 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。
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 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
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】 -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
④更新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 update conda
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。
如果管理员还是这个德行。
我们就需要安装一下conda
。使用指令,安装成功后再试试更新。然后可以用conda --v
来查询版本。
conda install conda
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。
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........
标签:torch,print,指令,conda,Anconda,版本,time,PytorchGPU,Pycharm From: https://www.cnblogs.com/wxzcch/p/17696496.html