Kenway's Blog

【工具】深度学习框架Pytorch的环境搭建

发表于 更新于 分类于

目录

一、安装Anaconda

二、安装Pytorch

一、安装Anaconda

进入
Anaconda官网
下载Anaconda

安装过程：

  • 第一个选择勾选All User
  • 第二个选择勾选Register Anaconda3 as my default Python 3.8
  • 安装路径选择D:\Anaconda3
  • 安装完成界面两个选择都取消勾选

在用户变量的Path中添加如图几个变量

在cmd控制台依次输入

1
2
3
python
exit()
conda

没有出现warning信息就表示Anaconda安装完成

二、安装Pytorch

打开开始菜单栏找到Anaconda Prompt(Anaconda3)

在Anaconda控制台键入

1
conda create -n pytorch python=3.6

创建一个用于安装Pytorch的环境，再使用

1
conda activate pytorch

将工作环境从base切换到新建的pytorch中

打开pytorch官网选择自身需要的配置后，会在Run this Command一栏中生成用于在Anaconda控制台运行的命令

将该命令输入到Anaconda控制台中执行（注意要在刚才新建的pytorch环境下执行）

然后就是漫长的等待了，等待时间取决于网络

（有时候下了一整天两个包卡在80%失败，第二天重头下载半小时就安装好了，不想等待的可下载离线包本地安装）

安装成功后Anaconda控制台会打印一个done

检验pytorch和cuda是否运行正常：

  • 在pytorch环境输入python，再导入pytorch包

    1
    2
    python
    import torch

  • 保持在python环境下输入下述命令检测CUDA是否可用，可用会返回一个True值

    1
    torch.cuda.is_available()


    如上图则表示pytorch和cuda均可用

可能会遇到的问题

  • torch.cuda.is_available()时返回False并提示显卡驱动过低

    解决办法：到NVIDIA官网根据自己的显卡型号下载最新的驱动程序

  • torch.cuda.is_available()时只返回False并无其它提示信息

    解决办法：原因一般是pytorch环境下的cudatoolkit不支持当前安装的cuda版本，下载CUDA10.2并安装即可

    CUDA10.2安装注意事项：

    • 选择默认路径
    • 选择自定义安装并取消安装CUDA下的Visual Studio Integration组件
    • 安装完成后在用户变量的Path中添加以下路径 
      1
      2
      3
      4
      5
      C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
      C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
      C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
      C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
      C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64