搭建深度学习环境(Pytorch)

Posted 算法与编程之美

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了搭建深度学习环境(Pytorch)相关的知识,希望对你有一定的参考价值。

1 配置问题

(1).针对于电脑中配备有GPU,且有深度学习需求,搭建一个可用无污染的深度学习环境。

(2).按照Anaconda3 + CUDA10.0 + CuDNN + Pytorch1.2 + Pycharm配置。

(3).解决配置Pytorch中无法使用torchvision库的问题。

2 搭建过程

(1).安装Anaconda。按照自己电脑的需求下载,下载完成后,解压安装包,按照指示一步一步完成即可,检验安装是否成功,并创建一个虚拟环境用于之后的配置。

# 创建虚拟环境:(在cmd终端输入)
conda create -n Pytorch_GPU python=3.7

(2).安装CUDA10.0和cuDNN(必须与自己的Pytorch==1.2.0版本对应起来)

  1. .在官网找到合适的版本进行下载并进行安装。
  2. .找到安装的位置对cuDNN进行解压。


    (3).安装Pytorch。
    1. . 激活并进入Anaconda提前准备好的虚拟环境。

activate Pytorch_GPU

2).下载安装Pytorch。打开pytorch的官网,地址:https://pytorch.org/。

也可以去下载轮子(https://download.pytorch.org/whl/torch_stable.html

(4)Pycharm和Anaconda连接。

  1. .设置相关环境,网上有很多教程。
  2. .检测Pytorch配置成功。

    (5).torchvision问题。
    在导入torchvision的时候出现了报错,但是查询发现torchvision包在库里。
    在网上百度找到问题的解决办法。

    找到报错路径C:\\Users\\Public\\Anaconda3\\Lib\\site-packages\\PIL,打开__init__.py文件,使用from PIL import Image, ImageOps, ImageEnhance, __version__ 替换文件中from PIL import Image, ImageOps, ImageEnhance,PILLOW_VERSION这句。
  3. 结语

1.要注意各个软件版本之间的匹配问题。

2.最新版本的CUDA不再需要配置Cudnn进行加速了。

3.针对torchvision导入模块缺失问题,更改__init__.py文件的导入模块名,就可以使用了。

以上是关于搭建深度学习环境(Pytorch)的主要内容,如果未能解决你的问题,请参考以下文章

搭建深度学习环境(Pytorch)

深度学习环境搭+pycahrm搭建pytorch

深度学习环境搭建anaconda+pycharm+pytorch

深度学习pytorch环境搭建

深度学习-Pytorch环境搭建(Windows)

利用Anaconda安装pytorch搭建深度学习环境