使用anaconda安装pytorch(gpu)

本文详细介绍了如何通过Anaconda安装PyTorch的GPU版本,包括下载Anaconda,创建conda虚拟环境以避免版本冲突,以及设置国内镜像加速下载PyTorch,并提供了安装后验证GPU加速功能的代码示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

安装anaconda

在anaconda官网下载包

bash Anaconda3-2020.11-Linux-x86_64.sh

默认进行,完成之后,重启终端。
如果输入conda之后能够使用,即安装成功。
如果显示没有此命令,需要在~/.bashrc文件中添加:

export PATH="~/anaconda3/bin:$PATH"

然后

source ~/.bashrc

重启即可

创建conda虚拟环境

创建conda虚拟环境,以防止与其他版本冲突

conda create -n pytorch_gpu python=3.8

激活虚拟环境

conda activate pytorch_gpu

在虚拟环境中安装pytorch

安装pytorch

打开pytorch管网,选择conda对应的gpu的版本(由于网速原因,建议使用国内镜像)
在这里插入图片描述
在命令行输入以下命令,让conda使用国内镜像下载:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ 
conda config --set show_channel_urls yes

然后在命令行输入:

conda install pytorch torchvision torchaudio cudatoolkit=11.0

完成pytorch安装。
测试是否成功:
输入:python;
测试一下:import torch

验证pytorch的gpu加速

import torch
torch.cuda.is_available()
cuda是否可用;

torch.cuda.device_count()
返回gpu数量;

torch.cuda.get_device_name(0)
返回gpu名字,设备索引默认从0开始;

torch.cuda.current_device()
返回当前设备索引;

params.device = torch.device(‘cuda’ if torch.cuda.is_available() else ‘cpu’)
params.device = torch.device(‘cpu’)
params.n_gpu = torch.cuda.device_count()
params.multi_gpu 
评论 2
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