PyTorch环境搭建(windows版)

首先电脑上是否有英伟达的显卡(就是游戏显卡RTX3060,RTX3860......这些,必须是nvidia的显卡)

如果自己电脑上没有显卡,就配置cpu版的pytorch即可。安装cpu版的pytorch参考步骤1,4,如果自己电脑上有gpu,就安装gpu版的pytorch,参考步骤1,2,3。

1.Anaconda安装

anaconda是python的包管理器,可以很方便的管理不同项目的python环境,解决不同项目python包的环境冲突问题。

TIPS:我们做python项目时要养成良好的习惯,不同的python项目要采取不同的python虚拟环境,不同的虚拟环境之间相互隔离,python版本和包均不共用。python虚拟环境的创建和管理常用anaconda.

安装步骤: 1、官网下载安装包:https://www.anaconda.com/distribution/ 2、运行并选择安装路径,等待安装完成。(要记得勾选 Add Anaconda to the system PATH environment variable,是为了将Anaconda添加到环境变量中。是的它显示不建议你这样做,但我建议你这样做,要不然还要自己手动把他添加到环境变量里)

 

3、查看是否安装成功,cmd中输入conda回车,是否出现如下信息,有则说明安装成功。

 

 

2.CUDA与CuDNN安装

(1)先检查自己的电脑所支持的CUDA版本是多少。

桌面右键点击进去NVIDIA控制面板,找到左下角的系统信息,点击组件,出现如下界面。

 

 

从NVCUDA.DLL 这一行后面的CUDA 11.4说明我的电脑所支持的最高版本是11.4。

(2)官网下载相对应的CUDA: (https://developer.nvidia.com/cuda-toolkit-archive)

 

我所支持的版本是11.4,所以我下载的是红色箭头所标出的那行。点击以后出现如下页面,选择第一个下载即可。

 

下载完成后,在所在的文件夹下运行安装即可。 然后查看CUDA是否安装成功: cmd中运行到安装的文件目录下:

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin

然后执行nvcc -V,查看是否出现如下信息,有则说明CUDA安装成功。

 

如果输入nvcc -V 出现错误,考虑是否将Anaconds加入环境变量PATH中。

 

 

(3)安装相对应版本的cuDNN。

进入官网: https://developer.nvidia.com/rdp/cudnn-download 需要注册并登录账号(这个需要一段时间),然后选择相对应的版本下载。

 

 

 

我的是CUDA11.4,所以我选择的是第一个。等待下载完成后进行解压,得到一个cuda文件夹,进入之后,全选,复制到之前CUDA所安装的文件夹下,有重复的进行替换即可。

 

查看cuDNN是否安装成功: 步骤如下:(进入安装的路径)

 

出现如下Result = PASS 说明cuDNN安装成功。

可以再接着执行deviceQuery.exe,如果出现Result = PASS 说明CUDA和cuDNN都已经安装成功了。

 

检查是否安装成功
Win键+R, 输入cmd, 按Enter键,打开终端


conda -V
1

如何没有出现类似:

'conda=' 不是内部或外部命令,也不是可运行的程序。或批处理文件。
1
就表示安装成功了,


如果在安装过程中,没有把Anaconda 添加到环境变量,就需要手动添加了。

手动添加Anaconda 环境变量
Win键+R,输入

sysdm.cpl
1

点击 环境变量

点击 系统变量 里面的 Path,点击编辑

点击新建
将 Anaconda 安装的路径,复制到这里
例如我的是:D:\Anaconda\Anaconda3
添加:
D:\Anaconda\Anaconda3
D:\Anaconda\Anaconda3\Scripts
D:\Anaconda\Anaconda3\Library\bin
D:\Anaconda\Anaconda3\Library\mingw-w64\bin


之后就可以开启 Anaconda 之旅了。。。。。。。。。

3.gpu版Pytorch安装

(1)先配置torch环境。

先打开Anaconda Prompt(anaconda)

 

下面我们分析一下anaconda prompt每一条命令行的结构。(base)指的是当前所在的python环境是base环境。C:UsersYYF>指的是当前anaconda prompt所在的文件夹位置,我们要执行相关指令只需要在>后面输入指令,回车运行即可。

 

然后我们然后输入

conda env list

 

这条语句会显示出当前已存在的python虚拟环境,如果是刚安装anaconda,应该只有一个base基环境。

下面我们新建立一个python虚拟环境(命名为new)

conda create –n new python=3.9.10

-n就相当于参数--name,上面这条语句也可改为conda create --name python=3.9.10

(这儿python=xxx可以自己指定python版本,这儿的new是你所创建的虚拟环境的名称,大家可以自己取)

然后激活环境: 在anaconda prompt中输入:

conda activate new

此时我们可以看到()里面已经变为new,说明我们已经进入new这个虚拟环境。

 

此时再进行python包的安装就是对这个虚拟环境操作,比如我们 pip install numpy(或者 conda install numpy),再输入

conda list     # 显示当前虚拟环境的所有包环境

 

此时我们看到new这个虚拟环境里面已经有numpy这个包了。

(2)pytorch的安装

法一:打开pytorch官网:https://pytorch.org/get-started/locally/(pytorch当前建议版本)或者 https://pytorch.org/get-started/previous-versions/ (pytorch的老版本)找到自己所对应版本的使用conda命令安装即可(会慢一些,但建议新手这样做)。

官网:Start Locally | PyTorch  Start Locally | PyTorch

pytorch历史版本:Previous PyTorch Versions | PyTorch 

到官网Start Locally | PyTorch ,选择后复制最后一行的Pytorch安装指令,在Anaconda Prompt创建的虚拟环境中执行。注意:下面最新的稳定版本需要python3.9及以上版本。

 

法二:进入如下网址:https://download.pytorch.org/whl/torch_stable.html,下载自己所需要的torch和torchvision。 可以按快捷键ctrl+F进行搜索。 (不建议新手这样做)

 

 

(3)等待安装完成。 查看pytorch环境是否安装成功:

 

要记得先进入之前创建的环境中,然后依次输入蓝色方格中的代码,没有报错,且最后输出True,则说明pytorch环境安装完成。

方案三 离线方式安装(推荐)
环境:创建了python=3.9的虚拟环境,cuda为12.0,准备下载Pytorch2.4。

上面说了,PyTorch 的安装包括torch、torchvision、torchaudio,由于torch比较大下载慢,我们先下载torch离线安装,再在线安装torchvision、torchaudio。

1、下载torch.whl文件
方法①较快(推荐)

①方法1: 通过pip命令找到网址,在迅雷中快速下载。

在历史版本中( 历史版本网址:Previous PyTorch Versions | PyTorch ),找到要下载的pytorch2.4版本,注意我们要使用pip命令,网页中往下翻就能找到!

没有对应的cuda12.0命令,因为cuda是向后兼容的,因此选择和cuda12.5相近的12.1版本命令使用。【(pytorch对应cuda版本<= nvidia-smi查看的cuda版本 即12.1<12.5)】

pip install torch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cu121
将命令粘贴在Anaconda Prompt的虚拟环境中执行时,会有一个download下载链接,复制到迅雷下载中下载。

②方法2 在镜像文件中下载

镜像文件下载地址:https://download.pytorch.org/whl/torch/

注意:根据环境选择安装包。torch-2.4.0表示Pytorch为2.4的版本,cu124表示cuda12.4,cp39表示python3.9,win_amd64表示该版本适用于 64 位的 Windows 系统。 

点击下载,个人觉得还是慢。

2、安装torch
无论哪种方法下载的.whl文件,下载后只需要进入虚拟环境安装即可,步骤如下。

进入虚拟环境:conda activate 虚拟环境名字

找到下载好的.whl文件所在位置(.whl下载路径中最好不要有中文),在命令行运行:

pip install D:\Google_Download\torch-2.4.0+cu121-cp39-cp39-win_amd64.whl
pip install .whl文件下载路径

3、安装torchvision 、torchaudio
这两个小,下载不会慢,可以直接在命令行执行pip命令。

找到历史版本中的命令【在方案二 下载torch.whl文件的方法①中提到了】,命令如下:

pip install torch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cu121

其中,torch已经安装好,可以删除上述命令中的“torch==2.4.0 ”,在命令行执行以下命令。

pip install  torchvision==0.19.0 torchaudio==2.4.0 --index-url https://download.pytorch.org/whl/cu121


3、验证
(1) 虚拟环境的命令行中输入 pip list ,查看所有的库

pip list


完成!

(2)虚拟环境的命令行中输入python,启动python环境;再输入以下代码,进行检测环境是否配置成功,出现true,成功!

python
import torch
torch.cuda.is_available()

 

4.cpu版PyTorch安装

(1)先配置torch环境。

先打开Anaconda Prompt(anaconda)

 

 

下面我们分析一下anaconda prompt每一条命令行的结构。(base)指的是当前所在的python环境是base环境。C:UsersYYF>指的是当前anaconda prompt所在的文件夹位置,我们要执行相关指令只需要在>后面输入指令,回车运行即可。

 

然后我们然后输入

conda env list

 

这条语句会显示出当前已存在的python虚拟环境,如果是刚安装anaconda,应该只有一个base基环境。

下面我们新建立一个python虚拟环境(命名为new)

conda create –n new python=3.9.10

-n就相当于参数--name,上面这条语句也可改为conda create --name python=3.9.10

(这儿python=xxx可以自己指定python版本,这儿的new是你所创建的虚拟环境的名称,大家可以自己取)

然后激活环境: 在anaconda prompt中输入:

conda activate new

此时我们可以看到()里面已经变为new,说明我们已经进入new这个虚拟环境。

 

此时再进行python包的安装就是对这个虚拟环境操作,比如我们 pip install numpy(或者 conda install numpy),再输入

conda list     # 显示当前虚拟环境的所有包环境

 

此时我们看到new这个虚拟环境里面已经有numpy这个包了。

(2)pytorch的安装

打开pytorch官网:https://pytorch.org/get-started/locally/(pytorch当前建议版本)或者 https://pytorch.org/get-started/previous-versions/ (pytorch的老版本)找到自己所对应版本的使用conda命令安装即可(会慢一些,但建议新手这样做)。

 

(3)等待安装完成。 查看pytorch环境是否安装成功:

 

要记得先进入之前创建的环境中,然后依次输入蓝色方格中的代码,没有报错,则说明pytorch环境安装完成。

TIP:转自TINGTING黄

某次我像往常一样训练yolov5算法,但是发现训练速度变得超级无敌慢,仔细一看,gpu_mem为0,也就是没有调用gpu来训练,看来原因就出在这里。

用了好多方法后发现,我竟然没有激活conda环境,低级错误好致命。

激活后就好了。 

yolov5是我自己给我的conda环境起的名字。

                        
可参考下文测试:使用GPU训练模型-CSDN博客

参考知乎资料:

深度学习 | NVIDIA Developer

《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili浅析三种Anaconda虚拟环境创建方式和第三方包的安装 - 腾讯云开发者社区-腾讯云 (tencent.com)

 

PyTorch

 

Logo

汇聚全球AI编程工具,助力开发者即刻编程。

更多推荐