Win11 |
您所在的位置:网站首页 › kaggle配置pytorch环境 › Win11 |
文章目录
1、安装CUDA和CUDA Toolkit2、CUDA Toolkit安装出现自动重启3、安装支持 CUDA 的 PyTorch4、Python版本5、配置永久国内镜像源6、要在激活的虚拟环境里安装pytorch7、进入python后检查是否gpu配置成功8、在虚拟环境中启动jupyter notebook9、conda中install找不到的包10、jupyter notebook 500打不开了怎么办11、jupyter notebook 能打不开了但是内核又连接不上了怎么办12、卸载虚拟环境13、安装anaconda环境到指定路径修改默认安装路径:
14、已经安装的模块,在Pycharm中的添加的conda解释器都能运行,但在jupyter notebook中仍显示No moudle怎么办?15、模型训练时不要忘记启用GPU device16、环境克隆clone17、Anaconda里创建了新的虚拟环境,但是却没有kernel怎么办?
1、安装CUDA和CUDA Toolkit
先安装CUDA和CUDA Toolkit,以及Anaconda 一篇不够,可以多看几篇: Smaller.孔_超详细图文带你手把手安装CUDA和CUDNN,感受GPU的速度 Saito_Windows10\11下从0开始安装cuda版本PyTorch 2、CUDA Toolkit安装出现自动重启只勾选安装CUDA,不要勾选Geforce Experience那些; 如果C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin下能找到nvcc.exe,说明CUDA已经安装好了。 将cudnn解压后,复制替换掉C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8下的同名文件夹就可以了。 cmd里输入nvcc -V,可以查看CUDA是否安装成功,-V要大写没有间隔。 3、安装支持 CUDA 的 PyTorch例如 1.13: conda install pytorch1.13.1 torchvision0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c nvidia 安装 cuda-nvcc: conda install cuda-nvcc 其中安装 cuda-nvcc是最容易遗漏的,也很少有博客提到(包括本篇此前) 实测不安装 cuda-nvcc 会导致调用系统自带的 CUDA! 查看cudatoolkit版本号:conda list cudatoolkit 4、Python版本Anaconda安装命令:conda create -n pytorch python=指定版本 5、配置永久国内镜像源在base环境里逐行输入: conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --set show_channel_urls yes 6、要在激活的虚拟环境里安装pytorch activate 虚拟环境名 pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple注意用镜像时不要开魔法。 7、进入python后检查是否gpu配置成功虚拟环境内输入python进入python3.10环境, 逐行输入下列中的指令,如果安装成功的话最后是会返回True: (pytorch) C:\Users\Lenovo>python Python 3.10.11 | packaged by Anaconda, Inc. | (main, Apr 20 2023, 18:56:50) [MSC v.1916 64 bit (AMD64)] on win32 Type "help", "copyright", "credits" or "license" for more information. >>> import torch >>> print(torch.__version__) # 查看torch当前版本 2.0.1 >>> print(torch.version.cuda) # 编译当前版本的torch使用的cuda版本号 11.8 >>> print(torch.cuda.is_available()) # 查看当前cuda是否可用于当前版本的Torch,如果输出True,则表示可用 True输入quit()退出python环境 输入conda deactivate退出虚拟环境 8、在虚拟环境中启动jupyter notebook这篇真的不坑 建议在虚拟环境里先切到本地虚拟环境存放的路径,便于以后jupyter notebook环境读取: 通过使用cd C:\Users\Lenovo\.conda\envs\pytorch切换实现; 9、conda中install找不到的包改用pip install指定安装;参考anaconda命令行下安装深度学习pytorch的d2l包 尽管conda有大量的软件包,但与PyPI上提供的150,000多个软件包相比,它仍然很小。有时候需要的包没有conda包,但在PyPI上有,可以用pip安装。 搞技术就是这样,总有你想不到需要去解决的问题,一步一步来,总会摸索出解决方法。 如:指定虚拟环境目录安装d2l包: cmd中: pip install -i https://pypi.tuna.tsinghua.edu.cn/simple d2l --target=C:\Users\Lenovo\.conda\envs\pytorch\Lib\site-packagesd2l Anaconda里显示没有,但pip就可以: 其实,Anaconda中也可以用pip,总之技多不压身。 10、jupyter notebook 500打不开了怎么办输入下列指令即可: pip install jupyter notebook --upgrade --force-reinstall --no-cache-dir conda install ipykernel --force-reinstall–upgrade 更新 –force-reinstall 强行重装 –no-cache-dir 不再指定缓存目录 11、jupyter notebook 能打不开了但是内核又连接不上了怎么办在环境目录下再输入指令:python -m ipykernel install --user就真的ok了 12、卸载虚拟环境有环境安装错了也不要紧,在Anaconda里可以通过 conda env remove -n env_name conda env remove -n env_name-all 完全删除配置错的虚拟环境。 13、安装anaconda环境到指定路径方法就是在conda create命令加上选项–prefix即可 安装虚拟环境到指定路径的命令如下: conda create --prefix=some_dir/env_name python=3.6 上面的命令中, 路径some_dir是先建好的文件夹,env_name是需要安装的虚拟环境名称。请注意,安装完成后,虚拟环境的全称包含整个路径,为some_dir/env_name。 修改默认安装路径:Anaconda安装以及修改环境默认位置图文教程 14、已经安装的模块,在Pycharm中的添加的conda解释器都能运行,但在jupyter notebook中仍显示No moudle怎么办?解决方法:在虚拟环境中安装nb_conda插件,并切换nb_conda版本的kernel(注意不是本地的kernel) 安装方法:Dancer-Jupyter Notebook中切换conda虚拟环境 比如此时使用的kernel是torch1,则会继续报错No moudle,即使import sys导入了包的路径也不行,需要使用conda env:torch1的虚拟环境kernel才能正常运行: 15、模型训练时不要忘记启用GPU device以简单的贯序模型为例, 需要通过: device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") # 定义模型 model = model.to(device) # 将模型移动到设备上将建立好的模型部署到GPU设备上; 并通过: imgs = imgs.to(device) # 将输入数据移到设备上 labels = labels.to(device) # 将标签移到设备上将模型的参数同样传递给GPU设备: import torch import torch.nn as nn import torch.optim as optim train_loader = torch.utils.data.DataLoader(cifar2, batch_size=64, shuffle=True) model = nn.Sequential( nn.Linear(3072, 512), nn.Tanh(), nn.Linear(512, 2), nn.LogSoftmax(dim=1)) # 定义模型 model = model.to(device) # 将模型移动到设备上 # 查看模型参数位置 for name, param in model.named_parameters(): if param.device.type != 'cpu': print("模型参数'{}'位于GPU上".format(name)) else: print("模型参数'{}'位于CPU上".format(name)) learning_rate = 1e-2 optimizer = optim.SGD(model.parameters(), lr=learning_rate) loss_fn = nn.NLLLoss() n_epochs = 100 for epoch in range(n_epochs): for imgs, labels in train_loader: imgs = imgs.to(device) # 将输入数据移到设备上 labels = labels.to(device) # 将标签移到设备上 outputs = model(imgs.view(imgs.shape[0], -1)) loss = loss_fn(outputs, labels) optimizer.zero_grad() loss.backward() optimizer.step() print("Epoch: %d, Loss: %f" % (epoch, float(loss))) 16、环境克隆clone conda create -n 新环境名 --clone 旧环境名 17、Anaconda里创建了新的虚拟环境,但是却没有kernel怎么办?说明没有安装ipykernel,但这种情况是可以在Pycharm里导入conda环境中使用的; 要解决这个问题需要在新建的虚拟环境中执行以下安装指令: 1、pip install ipython 2、pip install ipykernel 2、python -m ipykernel install --name 环境名 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |