Anaconda 环境下 Pytorch 的配置

搞了一下午

目录

前言

前言就是要跟着李沐老师学 AI 了，恭喜自己顺利考上研究生，一段全新的学习又要开始了。一堆环境要搭，哪知道搭了一下午，很多坑在这里 Mark 一下。还是推荐李沐老师的良心课程，另外还有一个良心资源：《动手学深度学习》Pytorch 版

Anaconda

这里没啥坑。

下载安装

注意

下载完右键以管理员身份运行进行安装，安装位置自己自定义不多说，有一个注意的地方就是安装过程中会有 Advanced Installaiton Options 选项，选择第一个即添加到系统的环境变量即可，第二个可不选。

image.png

修改源

众所周知。所以把包管理（conda）镜像修改为国内源（清华源）,具体做法在自己的命令行终端分别输入即可。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --set show_channel_urls yes

基本命令与操作

上面所安装的 Anaconda3 ，自带的版本是 python 3.6，实际使用中我们可以创建不同的环境从而使用该环境下的任意配置，这里我们打开 Anaconda Prompt ，Anaconda 安装完之后在开始目录会出现此程序，其实就是 Anaconda 的终端。

尝试如下命令：

Pytorch

忍不住再吐槽，安装这东西用了我一下午。

假设我们创建了 issactan 这个环境，接下来要做的是在这个环境中安装 Pytorch（我们俺要安装的是 GPU 版本），首先进入这个环境！ ：activate issactan

image.png

安装 Pytorch 之前要先了解一些东西 ，下面做一个简易的描述：

而用 Anaconda 安装 Pytorch 的时候，Anaconda会自动为用户安装 Cuda Toolkit，只要版本合适，则可正常运行，并且每一个 Pytorch 也会携带与CUDA合适的 cudnn，意思就是不用手动安装 CUDA 和 cudnn

找版本，安装

上面所提及的“版本合适”，意思就是安装 Pytorch 之前需要找到我们电脑对应的 CUDA 版本进行对应的安装，这里始终是向下兼容的。查看下面的表以及 Pytorch 官网 ，（在命令行中输入：nvidia-smi 查看自己电脑显卡相关信息）查找适合自己的版本

Cuda Toolkit 和电脑驱动对应表
我的显卡详细信息

比如说对比两张图之后，我们知道我们电脑 CUDA 版本是 11.2 而官网首页中的 11.3 很明显是不适合我们的，我们查看 只能选择向下兼容的 10.2 但是非常遗憾的是， Pytorch 官网 ，在此时此刻已经不支持 CUDA 10.2 版本安装命令的复制，但是实际上还存在着之前版本的文件，我们只需要将版本号进行修改即可。

image.png
image.png

接下来我们只需在命令行中复制此命令即可完成安装：

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

但是！

上面的方法安装完成之后，我们得到的是 CPU 版本的 CUDA！惊喜吗！在命令行敲入以下命令你会发现 torch.cuda.is_available() 返回的值是 false ！

print(torch.cuda.is_available())#cuda是否可用   ----> false
torch.cuda.device_count()#返回GPU的数量  ---> 0

但你以为是版本不兼容，是不是下错版本的时候，请你这时候敲入命令：conda list ，你会惊奇地发现安装的 Pytorch 版本名后面带着 CPU ，意思就是你装的是 CPU 版本。这一切都要“归功于我们的”改镜像，清华源没有这个版本的 CUDA 只能默认安装 CPU 版本的，事实就是如此。

解决方法

const uninstall pytorch 卸载这个 CPU 版本的 Pytorch，然后进行下载正确的版本。而这次我们选用 pip 进行下载，因为 conda 下载他会检测一些相关依赖很容易报错。

这里直接给出下载命令：（假设选择的是 CUDA 10.2 版本的）

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch===1.6.0 torchvision===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html

耐心等待，时间会比较长。这下是真的安装好了！

安装完成

检测是否在此环境中顺利安装 Pytorch ，是的，我再一次重复了是在此环境下，所以安装 Pytorch 之前一定一定要进入你选定的虚拟环境，否则我就直接安装在了电脑自带的 Python 中，这样子很麻烦，很难进行迁移。

敲入如下命令：

import torch

print(torch.__version__)

print(torch.cuda.is_available()) #cuda是否可用

torch.cuda.device_count() #返回GPU的数量

torch.cuda.get_device_name(0) #返回gpu名字，设备索引默认从0开始

能得到如下类似的结果即可，最重要的是：torch.cuda.is_available() 是否为 true

image.png

虚拟环境中安装 Jupyter Notebook

进入虚拟环境：activate issactan ， 然后安装 nb_conda

conda install nb_conda

安装完之后，将虚拟环境写入 Jupyter Notebook 的环境中：

python -m ipykernel install --user --name issactan --display-name "issactan"

实际上为什么不直接安装 Jupyter Notebook 呢？因为安装 Jupyter Notebook 要依赖一些包，具体是 ipykernel等等， 而为了省去麻烦，直接安装 nb_conda 即可安装这些 Jupyter Notebook 所依赖的包。

安装完成之后，在激活虚拟环境下，命令行输入 Jupyter Notebook 便可以用默认浏览器打开 Jupyter Notebook ， 能够真正实现虚拟环境统一化。

也可以在直接打开 Jupyter Notebook 在图形化界面进行不同环境的切换。

参考

tech