1. AI技术聚合首页
  2. 问题解决

PyTorch与Tensorflow的快速环境配置（有GPU版本）【从头到尾；无障碍】

乘风 • • 问题解决 • 阅读 415

摘要：本文参考前辈资料，并结合实际操作，记录深度学习的经典框架PyTorch与TensorFlow的实际环境配置所需操作。其中，操作1-2步为两个框架环境配置都需要执行的操作，第3步为各自分化操作，第4步为Jupyter Notebook中使用两个环境所需步骤。经笔者亲测，（相较于之前踩的那些坑QAQ）本文所述整个流程执行过程相当丝滑，没有出现（任何奇奇怪怪的）报错。

1. 安装&配置Anaconda

1.1. 安装Anaconda

（1）在官网下载安装包：https://repo.anaconda.com/archive/
笔者所下载版本

此处推荐Anaconda3 版本4.4.0

（2）打开安装包，开始配置
网上详细配置步骤诸多，如可以参考文末资料3。安装过程需要注意：

  • 配置地址环节，尽量配置在非C盘中（如G盘）；
    PyTorch与Tensorflow的快速环境配置（有GPU版本）【从头到尾；无障碍】
  • 在高级选项链接中，需要勾选对环境变量项的配置；
    PyTorch与Tensorflow的快速环境配置（有GPU版本）【从头到尾；无障碍】
  • 其他步骤一路“agree”即可，在此不加赘述。

1.2. 配置镜像源

由于Anaconda默认途径下载Python包相当之慢，可以通过配置镜像源来加速下载。本文配置的是清华镜像源，配置流程如下：
（1）打开一个Anaconda Prompt，复制黏贴如下代码：

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/

（2）用记事本打开C盘下的user下的username文件夹下的.condarc文件，删除文档中的–default，点击保存即可。
PyTorch与Tensorflow的快速环境配置（有GPU版本）【从头到尾；无障碍】

.condarc文件修改后的样子

2. 检查&更新系统驱动

千万注意！之前目睹很多次PyTorch和TensorFlow安装失败都是驱动不兼容的原因，因此：为防止电脑驱动与后续下载的框架不兼容，最好提前检查与更新一下驱动！不同驱动检查&更新方式不同，本文以NVIDIA驱动更新为例。

2.1. 检查驱动

（1）打开【控制面板】，将查看方式改为大图标，可以找到NVIDIA控制面板。
（2）点击进入NVIDIA控制面板，即可查看GPU型号。
PyTorch与Tensorflow的快速环境配置（有GPU版本）【从头到尾；无障碍】

图中GPU型号就是NVIDIA GeForce GTX 960M

（3）点击左上角【帮助】菜单，选择【系统信息】，在弹出的对应弹窗中选择【组件】菜单，查看NVCUDA的版本。
PyTorch与Tensorflow的快速环境配置（有GPU版本）【从头到尾；无障碍】

图中NVCUDA显示版本号为11.6.110

2.2. 更新驱动

  • 进行后续操作前最好用自动更新一遍驱动，更新之后可以重复2.1步骤查看新的NVCUDA版本号。
  • 您可以选择自动更新或手动更新之一。
  • 在后续PyTorch配置过程，有可能会发现没有支持当前NVCUDA版本的PyTorch版本，就需要手动更新驱动。

2.2.1. 自动更新

（1）在【开始】处右键，选择【设备管理器】。
PyTorch与Tensorflow的快速环境配置（有GPU版本）【从头到尾；无障碍】
（2）在弹出的窗口中，点开【显示适配器】，找到NVIDIA并单击右键，选择【更新驱动程序】，然后在弹出窗口中选择【自动搜索驱动程序】，耐心等待片刻即可完成自动驱动更新。
PyTorch与Tensorflow的快速环境配置（有GPU版本）【从头到尾；无障碍】
PyTorch与Tensorflow的快速环境配置（有GPU版本）【从头到尾；无障碍】

2.2.1. 手动更新

方法一：在NVIDIA官网上查找对应GPU型号的驱动下载并以管理员身份运行安装程序。（相关教程）
PyTorch与Tensorflow的快速环境配置（有GPU版本）【从头到尾；无障碍】
如果你在官网中没有找自己的GPU型号对应的驱动（比如笔者的GeForce GTX 960M就没找到），可以试试方法二。

方法二-暴力法：在NVIDIA官网下载一个GeForce Experience，打开后在【驱动程序】菜单中点击【检查更新文件】，这个方法其实算自动啦，对于NVIDIA玩家可以说是非常方便了。
PyTorch与Tensorflow的快速环境配置（有GPU版本）【从头到尾；无障碍】

3. 配置PyTorch & Tensorflow

准备好Anaconda环境以及最新的驱动程序，我们距离成功只剩最后一步啦！此处PyTorch选手和Tensorflow选手可以选择各自对应的步骤分道扬镳，当然你可以两个框架都配置出来（反正原理差不多，只要之前镜像配置好，后续步骤都花不了多少时间，谁知道后面哪个框架用起来更顺手呢）。

3.1. PyTorch选手

3.1.1. 新建PyTorch环境并激活

（1）打开一个新的Anaconda Prompt的base环境，输入以下代码创建“PyTorch”环境：

conda create -n PyTorch python=3.8

（2）输入以下代码，进入该环境

conda activate PyTorch

3.1.2. 安装PyTorch及其相关包

（1）前往PyTorch官网，该网站能够自动给出本台电脑对应系统/驱动的PyTorch安装指令（不同配置的电脑对应命令不同）。我们只需要确认系统/CUDA版本是否对应，然后复制【Run this Command】中的命令即可。

  • 注意，这里CUDA版本不可高于上文所述NVCUDA的版本号，若发现网站内CUDA都不符合要求，则意味着需要升级驱动，具体可参考上文所述步骤。
  • 笔者还遇到一种情况：网站默认的CUDA10.2的【Run this Command】行显示不支持，此时改换为更高版本的CUDA11.3即可（前提是11.3仍然低于NVCUDA版本）。
    PyTorch与Tensorflow的快速环境配置（有GPU版本）【从头到尾；无障碍】
网站默认的CUDA10.2的【Run this Command】行显示不支持

PyTorch与Tensorflow的快速环境配置（有GPU版本）【从头到尾；无障碍】

【Run this Command】行后命令：
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
（2）在Anaconda Prompt窗口中黏贴命令，并注意要删除句末的“ -c pytorch ”。这一操作是为了抛弃pytorch默认路径，使用之前配置镜像路径下载。 
conda install pytorch torchvision torchaudio cudatoolkit=11.3

（3）上述命令大约需要执行10min左右，然后不出意外的话，我们就算是成功完成了PyTorch的配置啦！接下来我们就来测试一下PyTorch。

3.1.3. 测试PyTorch

（1）在上述Anaconda Prompt中输入：python，即可进入Python环境。
（2）依次输入：

import torch
torch.cuda.is_available()

（3）如果返回是True，则代表配置已经成功啦！
PyTorch与Tensorflow的快速环境配置（有GPU版本）【从头到尾；无障碍】

3.2. Tensorflow选手

3.2.1. 新建Tensorflow环境并激活

（1）打开一个新的Anaconda Prompt的base环境，输入以下代码创建“PyTorch”环境：

conda create -n tensorflow python=3.7

（2）输入以下代码，进入该环境

conda activate tensorflow

3.2.2. 安装Tensorflow及其相关包

（1）输入以下命令，安装Tensorflow所需的cudatoolkit。

conda install cudatoolkit=10.1

（2）输入以下命令，安装Tensorflow所需的cudnn。

conda install cudnn=7.6

（3）输入以下命令，安装Tensorflow。

pip install tensorflow-gpu==2.1.0

（4）上述命令大约需要执行10min左右，然后不出意外的话，我们就算是成功完成了TensorFlow的配置啦！接下来我们就来测试一下TensorFlow。

3.2.3. 测试Tensorflow

（1）在上述Anaconda Prompt中输入：python，即可进入Python环境。
（2）依次输入：

import tensorflow as tf
tf.test.is_gpu_available()

（3）如果返回是True，则代表GPU可用，且TensorFlow配置已经成功啦！
PyTorch与Tensorflow的快速环境配置（有GPU版本）【从头到尾；无障碍】

4.在Jupyter Notebook中使用上述环境

  • 作为初学者，笔者经常使用jupyter notebook运行代码。所以希望可以在其中也能自由切换Pytorch和TensorFlow两个环境并流畅使用。
  • 具体配置请参考本教程。
    PyTorch与Tensorflow的快速环境配置（有GPU版本）【从头到尾；无障碍】

参考

[1] https://cloud.tencent.com/developer/article/1837355
[2] https://blog.csdn.net/m0_49090516/article/details/113576003
[3] https://blog.csdn.net/qq_44810972/article/details/108323498?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522164716968216780271989244%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=164716968216780271989244&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2allfirst_rank_ecpm_v1~rank_v31_ecpm-17-108323498.pc_search_result_cache&utm_term=anaconda%E5%AE%89%E8%A3%85%E6%95%99%E7%A8%8B&spm=1018.2226.3001.4187

文章出处登录后可见！

已经登录？立即刷新

共计人评分，平均分

到目前为止还没有投票！成为第一位评论此文章。

赞 (0)
乘风的头像乘风管理团队
0
上一篇 2022年3月15日
下一篇 2022年3月15日

相关推荐