ubuntu+anaconda+pytorch+package环境搭建

本文详细介绍了在不同操作系统及环境下PyTorch的安装配置流程,包括虚拟机、服务器及Windows系统的环境搭建方法,覆盖CPU与GPU版本。此外还提供了conda及pip的国内镜像配置技巧,帮助读者实现快速安装。

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

@liuhaojie

1.虚拟机中pytorch(cpu)的环境搭建
2.服务器上+pytorch(GPU)的环境搭建

1.ubuntu+pytorch+anaconda+package环境搭建

由于之前已经装好虚拟机,并安装了anaconda,此处给出参考

ubuntu和虚拟机的安装: https://www.jianshu.com/p/3379892948dahttps://blog.youkuaiyun.com/u013142781/article/details/50529030

anaconda的安装:https://blog.youkuaiyun.com/lwplwf/article/details/79162470

创建一个Python3.5环境

#创建一个Python3.5环境
	conda create --name torch python=3.5
#查看已有环境
	conda info -e
#删除已有环境
	conda remove -n torch --all 
#复制环境
	conda create -n torchcopy --clone torch 
#激活pytorch环境
	source activate torch
#退出环境
	deactivate torch

修改conda镜像源

在终端中运行以下命令修改镜像源,可以明显加速安装.

	conda config --prepend channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/  #优先使用清华conda镜像
	conda config --prepend channels http://mirrors.ustc.edu.cn/anaconda/pkgs/free/   #也可选用科大conda镜像
	conda config --prepend channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/

要查看镜像源是否安装成功的话,建议终端中运行以下命令:

 conda config --set show_channel_urls yes

会生成一个~/.condarc文件,运行cat命令查看文件内容

cat ~/.condarc #查看
gedit ~/.condarc #修改

显示内容为
![在这里插入图片描述](https://img-blog.csdnimg.cn/20190404163616364.png

pytorch cpu版安装

#conda方式
conda install pytorch-cpu torchvision-cpu -c pytorch
#pip方式 有时候安装完成后,运行minist or cifar10的时候,总是报错!
pip3 install https://download.pytorch.org/whl/cpu/torch-1.0.1-cp35-cp35m-win_amd64.whl
pip3 install torchvision

在这里插入图片描述
我是安装下面的方式装的:
#或者可以按pytorch安装指南的网址,如:
http://download.pytorch.org/whl/cpu/torch-0.3.1-cp35-cp35m-linux_x86_64.whl 直接下载.whl文件,具体网址请在pytorch官网查询.
pip install xxxxxx.whl

package安装

#conda方式
	conda install numpy scipy matplotlib pillow opencv
	
#pip方式
	pip install numpy scipy matplotlib pillow 
	#安装skimage时 直接使用 pip install skimage 报错,使用下面代替
	pip install scikit-image
	pip install opencv-contrib-python==3.4.2.16  #opencv新增的contrib模块
	
#查看环境已经安装的 package
	conda list

测试pytorch:

#查看环境已经安装的 package
	conda list
	
#测试pytorch
from __future__ import print_function
import torch
print(torch.__version__)
x = torch.rand(5, 3)
print(x)

在这里插入图片描述

conda install nb_conda

执行上述命令能够将你conda创建的环境与Jupyter Notebook相关联,便于你在Jupyter Notebook的使用中,在不同的环境下创建笔记本进行工作。

在环境中安装 ipython 和 jupyter 好像不需要进入环境安装,直接在环境中调用就行

conda install ipython
conda install jupyter

退出环境重新进入
在这里插入图片描述在这里插入图片描述
Error:如果和root中的ipython jupyter 相互冲突,则删除root下的ipython jupyter

gpu安装详情请参考pytorch官网

2.服务器上+pytorch(GPU)的环境搭建

查看cuda的版本

nvidia-smi  #查看显卡
nvcc -V  #查看cuda

我的cuda的版本是8.0
#创建一个Python3.6环境

conda create --name torch python=3.6

#创建一个Torch gpu环境 这里安装的事Torch1.0版本,如果需要安装别的版本去这里下载https://pytorch.org/get-started/previous-versions/

由于conda 安装太慢了,我使用下载好的torch-1.0.1.post2-cp36-cp36m-linux_x86_64.whl pip isntall 安装
文件资源: 百度网盘 提取码:kn7x

pip install torch-1.0.1.post2-cp36-cp36m-linux_x86_64.whl
pip install torchvision-0.2.1-py2.py3-none-any.whl

#conda 安装

conda install pytorch torchvision cudatoolkit=8.0 -c pytorch   #过程很慢,不知道如何解决 

conda install numpy scipy matplotlib pillow #安装必要的包
import torch
print(torch.cuda.is_available())

ok!!!
Pytorch CUDA报错,CUDNN_STATUS_INTERNAL_ERROR的解决办法。使用gpu0没有问题,使用GPU1报错:原来问题是这样:::
在这里插入图片描述

3.windows 安装pytorch

conda create --name torch python=3.6 #创建环境

conda install pytorch torchvision cpuonly -c pytorch  #安装pytorch  太慢了
#在官网下载的whl file
pip install xxxx.whl

#pip方式 安装必要的packets
pip install numpy scipy pillow 
pip install scikit-image matplotlib 
pip install opencv-contrib-python==3.4.2.16  #opencv新增的contrib模块

在这里插入图片描述

4.conda安装的国内镜像配置,实现快速下载

anaconda的所有的软件包全部在国外,安装起来很麻烦,关键是下载速度慢,而且经常中断,所以需要配置国内安装的镜像,下载速度就很快了。

一、conda换国内源

查看源命令

conda config --show-sources

添加新的镜像

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/conda-forge/ 
conda config --set show_channel_urls yes 

删除旧镜像源

conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

5.更改pip源

临时使用:

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pymysql

永久修改:

linux下,修改 ~/.pip/pip.conf (没有就创建一个)

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

windows下,直接在user目录中创建一个pip目录,如:C:\Users\xx\pip\pip.ini
新建文件 pip.ini

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

备选
默认访问:https://pypi.python.org/simple/

阿里云:http://mirrors.aliyun.com/pypi/simple/

豆瓣:http://pypi.douban.com/simple/

清华:https://pypi.tuna.tsinghua.edu.cn/simple

中国科技大学:https://pypi.mirrors.ustc.edu.cn/simple

中国科学技术大学:http://pypi.mirrors.ustc.edu.cn/simple/

两个命令df 、du结合比较直观

df    -h                     #查看整台服务器的硬盘使用情况

cd    /                       #进入根目录

du   -sh    *              #查看每个文件夹的大小
du   -sh                   #查看某个文件夹的大小
### 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并运行来完成安装。 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并启动安装程序: ```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,并指定安装路径[^2]。 完成后初始化 Conda 并激活它: ```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