pytorch学习系列——环境搭建

Posted 2021-10-17 非晚非晚

文章目录

• 1. 安装英伟达驱动
• 2. 安装Anaconda环境
• 3. 安装pytorch、CUDA和cuDNN环境
• • （1）配置国内镜像加速
  • （2）安装
• 4. 查看安装环境的版本
• • 4.1查看Anaconda版本
  • 4.2 查看Nvidia 驱动版本
  • 4.3 查看pytorch版本
  • 4.4 查看CUDA版本
  • 4.5 查看cuDNN版本

由于使用的需要，从现在开始陆续学习并记录pytorch相关的使用，首先这篇介绍pytorch的环境搭建，全部内容都经过实际操作，而且都是以最简单、安全、高效的方式进行安装。

1. 安装英伟达驱动

• 查看笔记本推荐的驱动版本

使用下列命令进行查看

sudo ubuntu-drivers devices

可以看到我的电脑推荐的是nvidia-driver-470

• 安装

可以直接使用ubuntu自带的软件和更新进行安装的，如下图所示：

2. 安装Anaconda环境

• 命令行安装

curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
sh Miniconda3-latest-Linux-x86_64.sh

这种安装方式会直接从官网下载安装，可能会比较慢。如果想要速度快一点，还可以选择镜像下载脚本安装，清华镜像地址。

• 环境变量

sudo gedit /etc/profile

行尾添加：

export PATH=/home/liqiang/miniconda3/bin:$PATH

• 重启，并验证是否安装成功

conda –V

3. 安装pytorch、CUDA和cuDNN环境

（1）配置国内镜像加速

如果直接执行官网给定的安装命令，通常情况下，会很慢，可以使用国内镜像加速。

首先打开文件：

sudo gedit ~/.condarc

然后将里面的全部内容替换为：

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
show_channel_urls: true

（2）安装

pytorch安装还是挺简单的，直接去官网，选择相应的版本，就可以安装了。

下图是最新版的pytorch，也可以选择以前的版本进行安装。

安装方法如上图，官网直接下载命令如下(下列命令会默认从官网下载，不管是否设置了国内镜像)：

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia

如果使用的国内镜像，请使用下列命令：

conda install pytorch torchvision torchaudio cudatoolkit=11.1

然后会出现下列界面，等待安装完成即可。

4. 查看安装环境的版本

使用上述安装过程默认会安装CUDA和cuDNN。下面检查它们是否被安装成功。

4.1查看Anaconda版本

conda -V

会出现下列界面：

4.2 查看Nvidia 驱动版本

nvidia-smi

会出现下列界面

4.3 查看pytorch版本

打开终端，并输入python，进入python交互式环境，然后输入下列命令：

import torch
print(torch.__version__)  #注意是双下划线

操作如下：

4.4 查看CUDA版本

如果是手动安装的话，可以输入下列命令查看cuda版本

cat  /usr/local/cuda/version.txt

如果是使用conda，也就是本文介绍的方法安装，可以使用pytorch程序进行查看。

首先进入python交互式界面，然是输入下列命令：

import torch
print(torch.version.cuda)

操作如下：

4.5 查看cuDNN版本

和CUDA一样，如果是手动安装则使用下列命令即可查看：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

如果是使用conda方法安装，可以使用python程序进行查看：

import torch
print(torch.backends.cudnn.version())

操作如下：