windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

目录


目录

新手-通过本文记录一下2022年7月5日安装pytorch的所有过程,以备后用

一、下载anconda

下载地址:Anaconda | The World's Most Popular Data Science Platform

安装过程中有几点需要注意的:

1、选择“只为我这个用户”安装

2、不要勾选“add anaconda to my path environment variable” 会影响其他程序的使用,需要使用anaconda时在开始选择anconda prompt或者anconda navigator即可 不需要将其添加的环境变量

验证是否安装成功

开始中可以正常打开anconda navigator即安装成功

二、在anconda中新建虚拟环境

下载完anconda一般会有一个自带的虚拟环境为base,但是在实践过程中,我们可能会使用到不同版本的pytorch-python来验证某个实例或者开发,因此为了保证各个版本的pytorch-python不互不干扰,需要为每个版本都新建一个新的虚拟环境。这个会在接下来的具体安装中说明。

三、win10系统CPU版本的pytorch的安装

1、新建名为pytorch的虚拟环境

python我下载的是3.10,这个虚拟环境主要存储cpu版的pytorch的相关文件 

conda create -n pytorch python=3.10

2、查看pytorch虚拟环境是否创建成功

conda info --envs

如下图所示为创建成功

windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

3、激活名为pytorch的虚拟环境

conda activate pytorch

遇到【y/n】选择y

4、在PyTorch官网复制安装CPU版本pytorch的命令

windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

 如图所示安装命令为:

conda install pytorch torchvision torchaudio cpuonly -c pytorch

至此CPU版本的安装可以暂时告一段落,下面安装GPU版本的

四、win10系统GPU版本的pytorch的安装

1、新建名为pytorch的虚拟环境

python我下载的是3.10,这个虚拟环境主要存储cpu版的pytorch的相关文件 

conda create -n pytorch_gpu python=3.10

2、查看pytorch虚拟环境是否创建成功

conda info --envs

如下图所示为创建成功

windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

3、激活名为pytorch的虚拟环境

conda activate pytorch_gpu

  激活过程中遇到【y/n】选择y

4、查看CUDA版本

GPU版本的pytorch的安装比CPU版本多了几个步骤,需要根据自己的电脑的CUDA版本来选择,在安装的时候通过:

windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

5、下载和自己主机电脑一致版本的CUDA

下载地址:CUDA Toolkit Archive | NVIDIA Developer

我下载的是cuda_11.1.1

windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

 windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

双击.exe文件 安装CUDA 我选择了精简版安装 

 6、下载cudnn

下载地址:cuDNN Archive | NVIDIA Developer

选择和自己的电脑的CUDA版本匹配的cudnn 我下载的是8.1.1版本

windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证   windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

以下cudnn的安装步骤参考了(60条消息) Windows安装Pytorch-GPU版本_一生哥哥的博客-CSDN博客_下载torch的gpu版本

 解压文件后将解压后的整个文件重命名为cudnn,并将其复制到CUDA的安装目录下

如图是我复制过去的路径

windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

添加环境变量

开始-查看高级系统设置-环境变量-系统变量中的path中添加如下环境变量

 

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\cudnn\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\CUPTI\lib64

如图是添加结果

windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

7、 在PyTorch官网复制安装GPU版本pytorch的命令

这里我遇到了一个问题,看到网上大多数教程说自己本机的CUDA版本要大于pytotch的安装版本,由于6月28日pytotch更新了一波,因此没有11.1版本的CUDA可供我安装,10.2版本不能够为windows系统使用,如图所示,去清华镜像源查找了一下发现没有pytotch为11.1,python为3.10的安装,只有pytorch11.3,python为3.10安装Index of /anaconda/cloud/pytorch/win-64/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

 因此秉着瞎猫碰死耗子的心理 安装了11.3CUDA版本

windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

最终尝试可以正常使用 

五、通过pycharm新建工程测试是否可以正常使用

新建工程如图,选择了之前在anconda中新建的虚拟环境pytorch_gpu

一开始选择interpreter需要自己在目录中找到各个虚拟环境下的python.exe 后面就可以自动加载了

windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

基于师兄所给的测试代码对pytorch是否能够正常使用进行测试

在main.py中输入以下的代码

windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

 测试代码:


import torch

print(torch.__version__)

print(torch.cuda.is_available())#打印判断是否有GPU的结果
print(torch.cuda.device_count())#打印GPU的数量

a=torch.randn(2,3)
b=torch.randn(2,3)

print(a)
print(b)
c1=a+b
c2=a-b
c3=a*b

print('a+b的和为:%s'%c1)
print('a-b的差为:%s'%c2)
print('a*b的乘积为:%s'%c3)

在pytotch_gpu的虚拟环境中,即有GPU,测试结果为TRUE和数量为1 后面是矩阵的计算结果

windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

切换虚拟环境 在File-seetings中切换python interpreter 其实右下角可以直接切换 也是后来才发现

windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

 在pytotch虚拟环境中,无GPU,测试结果为FALSE和数量为0

windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

 至此pytorch的GPU版本和CPU版本安装完成

补充:pycharm的快捷键设置位置

windows下安装CPU和GPU版本的pytorch 并通过pycharm进行验证

 

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
心中带点小风骚的头像心中带点小风骚普通用户
上一篇 2023年3月4日 下午1:20
下一篇 2023年3月4日 下午1:21

相关推荐