关于jupyter notebook、pytorch、cuda、anaconda的一些问题(更新中)

本文档记录了安装CUDA和GPU版PyTorch时的关键步骤,特别是下载对应版本的torch和torchvision。此外,还解决了jupyter notebook内核因使用matplotlib崩溃的问题,通过升级numpy得以解决。同时提供了mnist数据集的备用下载源,并讨论了pycocotools的下载和安装中可能遇到的问题。

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

1.安装cuda

推荐参看这一篇,GPU版本pyTorch安装教程(实测,特别详细)
最关键的是作者最后的

重点了,下载GPU版本的torch和torvision,两都要下

这一部分,之前搜了不少文章,一直不成功,直到看到这里,才发现这部分是其他文章里没有的,做了之后才终于搞定。
话又说回来,用notebook之前我在独立python环境下安装pytorch+cuda都已经成功,不过这是好几个月之前的事情了,所以当时可能就已经按照另外的文档做过这一步,但是在anaconda下安装pytorch和cuda支持的时候根本就没注意到,毕竟在当时是全部使用pip安装的。

2.jupyter notebook 内核死掉的问题

这个问题是在用matplotlib画图的时候出现的,一调用ishow就会崩溃,经过各种排查,只导入matplotlib.pyplot而不导入torch的话,就一切正常,但不导入torch是不可能的,经过各种搜索,发现notebook出现这个问题并不只是使用matplolib才会出现,解决的方法之一是pip install numpy --upgrade,这就很神奇了,但是对我来说是有效的

3.关于mnist.pkl.gz"

github不太好上,所以从https://github.com/pytorch/tutorials/raw/master/_static/获取这个文件有时候比较困难,不过可以从https://resources.oreilly.com/live-training/inside-unsupervised-learning/-/raw/9f262477e62c3f5a0aa7eb788e557fc7ad1310de/data/mnist_data/这里下,速度还不错。

4.pycocotools 下载及安装

可以在这里下一个tar.gz的包。至于安装会有一些问题,值得研究一下。

### 安装和支持 CUDAPyTorch 配置 要在 Anaconda Jupyter Notebook安装并配置支持 CUDAPyTorch,可以按照以下方式操作: #### 创建 GPU 支持的 Conda 虚拟环境 首先需要创建一个新的 Conda 环境来专门用于 PyTorchCUDA 的开发工作。可以通过以下命令完成此过程[^2]: ```bash conda create --name pytorch-GPU python=3.9 ``` 激活该新创建的虚拟环境: ```bash conda activate pytorch-GPU ``` #### 安装 PyTorch 及其依赖项 在激活的环境中,通过官方推荐的方式安装适合当前系统的 PyTorch 版本。访问 [PyTorch官网](https://pytorch.org/get-started/locally/) 并根据操作系统、包管理器(Conda 或 Pip)、CUDA 版本来获取合适的安装命令。 例如,对于使用 Conda 安装且支持 CUDA 11.7 的情况,执行以下命令: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch -c nvidia ``` 这一步会自动处理 PyTorch 所需的所有依赖关系,并确保 CUDA 工具链被正确设置。 #### 添加虚拟环境到 Jupyter Notebook 内核 为了使刚刚创建好的 `pytorch-GPU` 环境能够在 Jupyter Notebook 中可用,还需要将其作为内核注册进去。具体做法如下: 先确认已安装 ipykernel 库;如果安装,则运行下面这条指令: ```bash pip install ipykernel ``` 接着把刚才建立起来的那个特定版本加入到 jupyter notebooks 当中去: ```bash python -m ipykernel install --user --name pytorch-GPU --display-name "Python (pytorch-GPU)" ``` 这里,“--display-name”参数定义了这个 kernel 在界面里显示的名字,方便识别[^4]。 重新启动你的 Jupyter Notebook 后,在新建文档时应该能看到名为 “Python (pytorch-GPU)” 的选项卡可供选择。 #### 验证 PyTorch 是否正常加载以及 CUDA 功能状态 最后一步就是测试一下整个流程是否顺利完成。在一个新的 notebook 文件里面输入这些代码片段来进行简单的功能检测: ```python import torch print(torch.__version__) # 输出 PyTorch 的版本号 print(torch.cuda.is_available()) # 如果返回 True 则说明成功启用了 cuda 加速计算能力 device = 'cuda' if torch.cuda.is_available() else 'cpu' tensor_example = torch.tensor([1, 2], device=device) print(tensor_example.device) # 查看张量实际使用的设备类型 ``` 假如以上所有输出均符合预期,那么就表明已经在 Jupyter Notebook 上面顺利集成了带有 CUDA 支持特性的 PyTorch 开发框架[^1]。 当遇到 `torch.cuda.is_available()` 返回 False 这种情形的时候,可能是因为以下几个原因之一造成的:一是硬件本身不兼容或者驱动程序有问题;二是软件层面缺少必要的组件比如 NVIDIA 显卡驱动更新不足或者是 cuDNN 设置错误等问题所致[^3]。针对前者应当升级显卡固件至最新版;而后者则建议参照官方指导手册逐一排查修复。
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