Ubuntu安装Anaconda并设置pytorch与pytorch3D环境

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档


前言

安装pytorch与pytorch3d环境


一、pytorch与pytorch3d的关系

PyTorch3D是由Facebook AI Research (FAIR)团队开发的一个用于3D数据深度学习的库。它提供了高效、可重用的组件,旨在加速3D计算机视觉研究。PyTorch3D主要用于处理三角网格、点云和体积数据,并支持可微渲染。

PyTorch3D需要pytorch库支持,因此,PyTorch3D的版本更新速度慢于pytorch,因此,需要选择并安装PyTorch3D支持的pytorch库。

二、pytorch安装

1. 查看pytorch3d的最新版本

进入网页pytorch3d离线安装包,查看最新的pytorch3d库支持的pytorch版本,并点击下载该版本。

例如:pytorch3d-0.7.8-py39_cu121_pyt241.tar.bz2

其中,py39表示python版本需为3.9,cu121表示cuda版本为12.1(cuda是向下兼容的,cuda版本高于12.1均可),pyt241表示pytorch版本为2.4.1。

2.安装pytorch

打开terminal

新建pytorch3d环境,并指定python版本为3.9

conda create -n pytorch3d python=3.9 -y
conda activate pytorch3d

进入pytorch历史版本网页,选择上一步确定好的各个版本(cu121表示cuda版本为12.1,pyt241表示pytorch版本为2.4.1),拷贝pytorch的安装代码并在terminal中运行。

conda install pytorch==2.4.1 torchvision==0.19.1 torchaudio==2.4.1 pytorch-cuda=12.1 -c pytorch -c nvidia -y

二、pytorch3d安装

pytorch3安装官方流程

安装依赖库

conda install -c iopath iopath -y

# Demos and examples
conda install jupyter -y
pip install scikit-image matplotlib imageio plotly opencv-python

# Tests/Linting
conda install -c fvcore -c conda-forge fvcore -y
pip install black usort flake8 flake8-bugbear flake8-comprehensions

进入保存pytorch3d离线安装包的文件夹,运行:

conda install pytorch3d-0.7.8-py39_cu121_pyt241.tar.bz2

### 配置过程 #### 1. 安装 AnacondaUbuntu 服务器上安装 Anaconda 是配置 PyTorch 环境的第一步。可以通过下载官方脚本运行来完成安装。 首先,在终端中执行以下命令以获取最新的 Anaconda 脚本: ```bash wget https://repo.anaconda.com/archive/Anaconda3-2023.07-1-Linux-x86_64.sh ``` 接着赋予该文件可执行权限启动安装程序: ```bash chmod +x Anaconda3-2023.07-1-Linux-x86_64.sh ./Anaconda3-2023.07-1-Linux-x86_64.sh ``` 在此过程中,按照提示输入 `yes` 接受协议,指定安装路径[^2]。 完成后初始化 Conda 激活它: ```bash source ~/.bashrc ``` #### 2. 创建虚拟环境 为了隔离不同项目的依赖关系,建议为 PyTorch 单独创建一个虚拟环境。可以使用如下命令实现: ```bash conda create -n pytorch_env python=3.9 ``` 这里 `-n` 参数指定了新环境的名字(此处命名为 `pytorch_env`),而 `python=3.9` 表明此环境中使用的 Python 版本号[^3]。 随后切换到刚创建好的虚拟环境中去工作: ```bash conda activate pytorch_env ``` #### 3. 更改镜像源 (可选) 如果发现默认的网络速度较慢,则推荐更改成国内清华 TUNA 或中科大等快速镜像站点。例如设置 PyTorch 的镜像地址如下所示: ```bash conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes ``` 上述操作会显著提升后续包管理器工作的效率[^4]。 #### 4. 安装 PyTorch 及其相关组件 最后一步就是实际安装 PyTorch 库本身以及可能需要用到的一些额外工具集比如 CUDA 支持版本的选择等等。具体可以根据个人需求调整参数;下面给出的是最基础形式下的例子: 对于 CPU-only 场景: ```bash conda install pytorch torchvision torchaudio cpuonly -c pytorch ``` 而对于 GPU 加速的情况则需替换最后一项为对应的 cuda 编译选项,如: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch ``` 以上步骤即完成了整个基于 Anaconda 构建适用于深度学习框架 PyTorch 开发所需的基础软硬件设施搭建流程[^1]。 ### 注意事项 确保每一步都成功后再继续下一步骤,尤其是确认 conda 已经被正确加载至当前 shell session 中再尝试任何涉及 package manager 的动作。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值