Ubuntu22.04部署Pytorch2.0深度学习环境 | 您所在的位置:网站首页 › ubuntu 安装cuda115 › Ubuntu22.04部署Pytorch2.0深度学习环境 |
文章目录
安装Anaconda创建新环境安装Pytorch2.0安装VS CodeUbuntu下实时查看GPU状态的方法小实验:Ubuntu、Windows10下GPU训练速度对比
Ubuntu安装完显卡驱动、CUDA和cudnn后,下面部署深度学习环境。 (安装Ubuntu系统、显卡驱动、CUDA和cudnn见我之前的文章) 安装Anaconda从官网(anaconda.com)下载。 首页会自动根据你的系统判断,直接点Download即可。 安装路径可以默认。 输入yes,初始化Anaconda。 安装完成~ 根据上面提示,如果想要conda的基础环境(base)在启动时不被激活,需要输入: conda config --set auto_activate_base false 我们重启终端,输入以上命令即可。 这样安装完毕! 创建新环境我们之前已经安装了cuda 11.7和cudnn。 这次试着创建一个名为“pytorch2”新的python环境(Python3.10): 打开终端,创建新环境。 conda create --name pytorch2 python=3.10接着激活。 conda activate pytorch2拟安装: pytorch2.0 torchvison0.15.1 torchaudio2.0.1 (注:既往cuda版本和pytorch版本对应参考:pytorch; pytorch和 torchvision、torchaudio 版本的对应参考:torchaudio、torchvision) 在首页,我们可以获取安装的命令,在刚创建的环境下,终端输入即可(如下图)。 当然,我们也可以自行下载对应的包自己安装。 再介绍一下手动下载安装对应的库的方法。 下载地址:https://download.pytorch.org/whl/torch_stable.html 找到对应的链接: pytorch2.0:cu117/torch-2.0.0%2Bcu117-cp310-cp310-linux_x86_64.whl torchvision 0.15.1:cu117/torchvision-0.15.1%2Bcu117-cp310-cp310-linux_x86_64.whl torchaudio 2.0.1:cu117/torchaudio-2.0.1%2Bcu117-cp310-cp310-linux_x86_64.whl 终端激活对应环境,安装轮子: pip install torch-2.0.0+cu117-cp310-cp310-linux_x86_64.whl pip install torchvision-0.15.1+cu117-cp310-cp310-linux_x86_64.whl pip install torchaudio-2.0.1+cu117-cp310-cp310-linux_x86_64.whl
最后再安装一些必要的包,如numpy,pandas,matplotlib,opencv-python,tqdm等即可。 测试GPU是否可用: 官网下载:https://code.visualstudio.com/Download 选择.deb(我是x64版) 下载完deb文件后,终端输入sudo dpkg -i code_1.77.3-1681292746_amd64.deb安装。 安装完后打开VS Code,安装Python插件即可。 Ubuntu下实时查看GPU状态的方法终端: watch -n 3 nvidia-smi以3秒一刷新的方式打开nvidia-smi,可以实时查看显存情况和进程。 小实验:Ubuntu、Windows10下GPU训练速度对比下面一张图直接对比了Ubuntu、Windows10的训练速度对比。 均为采用MobileNet微调模型训练猫狗分类实例(具体例子见我)。 |
CopyRight 2018-2019 实验室设备网 版权所有 |