建设局网站模板,seo是什么专业的课程,查询网站相关网址,广东集团网站建设文章目录1 配置 python 环境1.1 安装 Anaconda1.2 检查环境安装成功1.3 创建虚拟环境1.4 进入/退出 刚刚创建的环境1.5 其它操作1.5.1 查看电脑上所有已创建的环境1.5.2 删除已创建的环境2 安装 CUDA 和 CUDNN2.1 查看自己电脑支持的 CUDA 版本2.2 安装 CUDA2.3 安装 CUDNN2.4 …
文章目录1 配置 python 环境1.1 安装 Anaconda1.2 检查环境安装成功1.3 创建虚拟环境1.4 进入/退出 刚刚创建的环境1.5 其它操作1.5.1 查看电脑上所有已创建的环境1.5.2 删除已创建的环境2 安装 CUDA 和 CUDNN2.1 查看自己电脑支持的 CUDA 版本2.2 安装 CUDA2.3 安装 CUDNN2.4 检查 CUDA 安装成功查看 GPU 使用率、显存占用情况3 安装 PyTorch3.1 安装 PyTorch3.2 检查安装是否成功3.3 其它方法4 在 PyCharm 中使用 PyTorch5 远程 Linux 服务器配置 PyTorch1 配置 python 环境
1.1 安装 Anaconda
进入anaconda官网https://www.anaconda.com/ 点击 download 下载文件我这里是 Anaconda3-2022.10-Windows-x86_64.exe后续更新版本exe文件会有差别
下载后打开 .exe 文件下载 anaconda 选择安装路径用默认的路径也可以 这里两个都选 然后安装就可以了。
1.2 检查环境安装成功
打开 cmd输入 conda如果是下图这样就说明 anaconda 安装成功了 输入 python这里可以查看 Python 的版本
1.3 创建虚拟环境
在 cmd 中输入 conda create -n 环境名 python版本号如conda create -n pytorch python3.9.13这里我自定义环境名为 pytorchpython 版本为 3.9.13 输入 y 创建完就是这样的 1.4 进入/退出 刚刚创建的环境
进入环境输入 conda activate 环境名如 conda activate pytorch 退出环境输入 conda deactivate 1.5 其它操作
1.5.1 查看电脑上所有已创建的环境
conda info --env1.5.2 删除已创建的环境
conda remove -n 环境名 --all2 安装 CUDA 和 CUDNN
2.1 查看自己电脑支持的 CUDA 版本
可参考如何查看自己电脑当前版本CUDA 可兼容的最高版本 这就说明我的电脑可以安装的 CUDA 版本可以是 11.7.1 及以下的版本。
2.2 安装 CUDA
建议先去 pytorch 官网看下目前可以直接用指令安装的 CUDA 版本主要是为了方便后续操作此外https://pytorch.org/get-started/previous-versions/ 也提供了以前版本的安装指令 看 Compute Platform有 CUDA 11.6 和 CUDA 11.7而且我电脑支持的最高 CUDA 版本为 11.7.1所以后续安装时就安 11.6 或 11.7 版本的 CUDA。
前往 CUDA 官网https://developer.nvidia.com/cuda-toolkit-archive
这里以 11.7.0 版本为例
按如下选择Installer Type两种都可以因为是国外网站下载用外网如果速度慢的话就选 exe(network)
下载完后执行 .exe 文件。
根据自己需求选择是否更改安装路径 选择自定义 这个不用管点下一步就行 选择安装位置这里我改了路径用默认的也可以这个路径要记住后续要用 至此 CUDA 安装结束。 2.3 安装 CUDNN
进入官网https://developer.nvidia.com/rdp/cudnn-download 先登录/注册账号然后按如下选择
将下载后的 zip 文件解压里面的内容如下 找到刚才安装 CUDA 时选择的安装位置 然后将 CUDNN 中 bin 文件夹中的所有文件复制到 .../CUDA/v11.7/bin 中 CUDNN 中 include 文件夹中的所有文件复制到 .../CUDA/v11.7/include 中 CUDNN 中 lib/x64 文件夹中的所有文件复制到 .../CUDA/v11.7/lib/x64 中。
至此 CUDNN 安装结束。
2.4 检查 CUDA 安装成功查看 GPU 使用率、显存占用情况
在 cmd 中输入 nvidia-smi同时这个指令也可以查看 GPU 的一些信息如果出现如下界面就说明 CUDA 安装成功了这是最好的但好像有的电脑会报错 nvidia-smi不是内部或外部命令这不一定就表示 CUDA 安装失败了可以搜一下解决方案或者暂时不用管继续往后做即使安装失败也不会影响后续的操作后面安装完 pytorch 后还能用其他代码检查 CUDA 是否可用。 3 安装 PyTorch
3.1 安装 PyTorch
进入官网https://pytorch.org/
点击 Install 按如下选择CUDA 版本要对应下图中 Run this Command 中的指令后续要用到 打开 cmd进入之前创建的 Python 环境输入 conda activate 环境名如conda activate pytorch
进入环境后输入指令来源于上图conda install pytorch torchvision torchaudio pytorch-cuda11.7 -c pytorch -c nvidia这里要挂下外网不然安装很慢的没有条件的话请移步 【3.3 其它方法】。注意不要像一些教程那样用清华源用清华源安装的 pytorch 没有 GPU 版本的全是依靠 CPU 的GPU 和 CPU 的算力差距很大跑深度学习代码时用 CPU 能慢死 输入 y 然后等待安装就可以了安装完是这样的 3.2 检查安装是否成功
可输入如下指令
import torch
print(torch.version.cuda) # 查看 CUDA 版本
print(torch.cuda.is_available()) # 查看 CUDA 是否可用即训练时是否可用 GPU
print(torch.cuda.device_count()) # 查看可行的 CUDA 数目3.3 其它方法
如果没有加速器挂不了外网的话操作就比较麻烦了。这里再强调一遍不要像一些教程那样用清华源用清华源安装的 PyTorch 没有 GPU 版本的全是依靠 CPU 的跑深度学习代码时用 CPU 很慢。
在 PyTorch 官网中选择 Pip 的方法找到如下网址
然后我们进入打开这个网址也就是 https://download.pytorch.org/whl/cu117
里面就是这样的 我们需要自己下载的文件就是 torchtorchvisiontorchaudio
然后我们先点击进入 torch找到如下位置根据自己的 CUDA 版本、python 版本找到相应的文件cu117 指的是 CUDA 版本为 11.7cp39 指的是 python 版本为 3.9版本一定要对应上点击下载 torchvision和torchaudio 同理 然后我们把这三个 .whl 文件随便放到一个文件夹下 然后打开 cmd进入到这个文件夹用 pip install 刚刚下载的文件 安装
pip install torch-1.13.1cu117-cp39-cp39-win_amd64.whl
pip install torchvision-0.14.1cu117-cp39-cp39-win_amd64.whl
pip install torchaudio-0.13.1cu117-cp39-cp39-win_amd64.whl4 在 PyCharm 中使用 PyTorch
首先新建项目按如下步骤操作 然后点击 Create 创建项目即可
可通过以下代码测试使用 PyTorch
import torchprint(torch.version.cuda) # 查看 CUDA 版本
print(torch.cuda.is_available()) # 查看 CUDA 是否可用即训练时是否可用 GPU
print(torch.cuda.device_count()) # 查看可行的 CUDA 数目device torch.device(cuda:0 if torch.cuda.is_available() else cpu)
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3, 3).cuda())5 远程 Linux 服务器配置 PyTorch
远程服务器配置 Anaconda 并安装 PyTorch 详细教程
