【Pycharm】CUDA & Pytorch 运行 stylegan2

温择之

已于 2024-01-02 11:52:02 修改

阅读量898

点赞数 7

文章标签： pycharm conda pytorch

于 2023-12-28 17:02:36 首次发布

本文链接：https://blog.youkuaiyun.com/qq_57669062/article/details/135272106

版权

本文详细介绍了在PyCharm中配置Python3.7.16环境，包括CUDA11.7和PyTorch1.13.1+cu17的下载与安装，以及如何在PyCharm的conda环境中创建、管理和验证PyTorch环境，同时涵盖了CUDA验证、PyTorch与CUDA集成、路径配置和debug常见问题的解决方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

3.1 创建conda环境 & 下载安装pytorch

3.2 配置解释器

3.3 验证

4 debug

1 环境 & 材料

1.1 系统环境

Python	3.7.16
CUDA	11.7
torch	1.13.1+cu17

1.2 材料

stylegan2工程代码	https://github.com/NVlabs/stylegan2-ada-pytorch
数据集cifar10	stylegan2-ada-pytorch / pretrained
	Training a Classifier — PyTorch Tutorials 2.2.0+cu121 documentation

2 CUDA & pytorch下载安装

2.1 CUDA

(1)选择版本。CUDA版本可向下兼容，建议选择版本不高于NVIDIA面板显示的本机硬件配置

查看本机配置：搜索 -> NVIDIA Control Panel(控制面板) -> 系统信息 -> 组件 ->NVCUDA64.DLL

如上图中的CUDA配置是11.7。以下以CUDA11.7为示例

（2）下载CUDA

如果先前下载过CUDA并发生环境错误，可以卸载干净再重装。卸载和安装参考以下链接

https://blog.youkuaiyun.com/m0_37605642/article/details/99100924

验证查看CUDA版本

2.2 PyTorch

查看对应的pytorch

PyTorch 官网查看对应的下载安装命令，进入链接下滑界面

（以往版本点击上方install previous version of PyTorch，安装命令见Run this Command）

保存此安装命令，暂时不安装；进入pycharm的conda环境后再用此命令下载安装

pytorch for CUDA11.7安装命令

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

3 Pycharm

3.1 创建conda环境 & 下载安装pytorch

# 创建环境 （先打开Anaconda3\envs\）
conda create -p D:\ProgramData\Anaconda3\envs\pytorch python=3.7 # 创建一个名为pytorch的codna环境

# 管理环境
conda activate # 切换到base环境
conda env list # 列出conda管理的所有环境
conda activate pytorch # 切换到pytorch环境

# 管理包
conda list # 列出当前环境的所有包
conda install requests # 安装requests包
conda remove requests # 卸载requets包
conda remove -n learn --all # 删除learn环境及下属所有包
conda update requests # 更新requests包
conda env export > environment.yaml # 导出当前环境的包信息
conda env create -f environment.yaml # 用配置文件创建新的虚拟环境
conda install numpy # 引入新的库
pip install numpy # 如果conda安装很慢，也可以用pip安装【推荐】

创建conda环境 -> 切换到pytorch环境 -> 用上面找到的指令下载安装对应的pytorch

3.2 配置解释器

文件 -> 设置 -> 项目 -> python解释器 -> 添加解释器 -> 添加本地解释器 -> Conda环境 -> 使用现有环境 -> 下拉框选择pytorch -> 确定 -> 确定

3.3 验证

  print(torch.cuda.device_count())        # 查看GPU个数 
    print(torch.cuda.is_available())        # 查看GPU CUDA是否存在
    # PyTorch调用CUDA -- 方法1
        if torch.cuda.is_available():
           my_module = my_module.cuda()
    # PyTorch调用CUDA -- 方法2
        device = torch.device("cuda") 
        moduleName = moduleName.to(device)

    # 情况1 -- 网络模型使用CUDA
        device = torch.device("cuda")
        module = module.to(device)
    # 情况2 -- 数据(输入imgs、标注target/label)使用CUDA
        # training时开启cuda,则testing/validation时也要开启cuda，否则会报错
        device = torch.device("cuda")
        # training
        for data in data_loader:
            imgs, targets = data
            imgs = imgs.to(device)
            targets = target.to(device)
            #....
        # testing/validation
        # 同上
    # 情况3 -- 损失函数使用CUDA
        device = torch.device("cuda")
        loss_function = loss_function.to(device)

C:/users/xxx:
    nvidia-smi       # 查看本机GPU型号

可以尝试用上面的指令编写简单的demo验证

4 debug

4.1 配置路径

本人遇到的巨大报错！！卡死了，以为是CUDA版本对不上之类的问题，但其实上面验证或者是别的大佬的博客的验证可以通过的话就说明CUDA没啥问题。其实是即使在pycharm上面运行也涉及一点VS c++环境的路径配置，否则虽然可以跑出结果，但是会报WARNIGN。

报错信息

解决方法

从上图中，根据链接找到函数_find_compiler_binder()，修改Visual Studio路径，具体见下博客

排坑日记2：Could not find MSVC/GCC/CLANG installation on this computer._runtimeerror: could not find msvc/gcc/clang instal-优快云博客

4.2 成功运行后运行卡住

已经成功运行了n、次后，突然跑到Setting up PyTorch plugin "bias_act_plugin"就卡住了。是因为前面没跑完就退出，然后有残留文件，需要找到文件位置，删除

将AppData\Local\torch_extensions\torch_extensions\Cache文件夹下的文件清空即可
**APPData是隐藏文件夹，查看-> 显示-> 隐藏的项目√