ubuntu配置pytorch环境

Pytorch

#pip install torch==1.8.1+cu102 torchvision==0.9.1+cu102 torchaudio===0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
# 更新包 安装基础包
sudo apt update
sudo apt install build-essential
sudo apt install python3.8
wget miniconda3
bash miniconda3.sh
sudo apt install zip
# pip install jupyter d2l torch torchvision

ssh -L8888:localhost:8888 ubuntu@100.20.65.33
### 如何在 Ubuntu 上通过 Anaconda 配置 PyTorch 环境 #### 下载并安装 Anaconda 为了开始配置环境,在官方网址下载适用于 Linux 的 Anaconda 安装脚本[^1]。对于较新的 Ubuntu 版本,可以考虑使用更新的 Anaconda 发布版本,例如 `Anaconda3-2023.03-Linux-x86_64.sh` 文件[^2]。 ```bash wget https://repo.anaconda.com/archive/Anaconda3-2023.03-Linux-x86_64.sh ``` 接着,执行该 Shell 脚本来完成 Anaconda 的安装: ```bash bash Anaconda3-2023.03-Linux-x86_64.sh ``` 按照提示操作直到安装结束,并重启终端使更改生效[^3]。 #### 创建 Python 虚拟环境 建议为不同的项目创建独立的虚拟环境以避免依赖冲突。这里展示如何基于 conda 命令建立一个新的名为 `pytorch_env` 的环境: ```bash conda create --name pytorch_env python=3.9 ``` 激活新创建的环境以便后续在此环境中工作: ```bash conda activate pytorch_env ``` #### 安装 PyTorchCUDA 支持 访问 [PyTorch官方网站](https://pytorch.org/get-started/locally/) 并根据硬件条件选择合适的 PyTorch 版本以及相应的 CUDA 库版本。如果需要安装带有特定 CUDA 版本的支持(比如 CUDA 11.7),可以直接利用 Conda 来简化这一过程[^4]。 假设目标是安装具有 CUDA 11.7 加速功能的 PyTorch,则可输入如下命令: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch ``` 这一步骤会自动处理所有必要的依赖关系并将它们添加到当前活动的 conda 环境中。 #### 测试安装成功与否 最后验证 PyTorch 是否能够正常识别 GPU 设备。可以在 Python 解释器内运行以下代码片段来进行测试: ```python import torch print(torch.cuda.is_available()) print(torch.__version__) ``` 如果一切顺利的话,上述命令应该返回 True 表明存在可用的 NVIDIA 显卡,并打印出已安装的 PyTorch 版本号。
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