【2022.11.4】有关Pytorch-GPU安装踩坑

本来以为安装Pytorch会很容易,结果发现里面一堆坑,,,自己搜博客一次一次地试,花了两三天终于装好了Pytorch,在这里把我的踩坑写出来。

最大的一个坑就是目前大部分博客里讲的都是通过清华大学的镜像源来下载Pytorch.但目前(2022.11.4)的现状是清华大学的镜像源并不支持大部分的下载。
我搜了很多博客,也试了很多方法,最后是从原网站直接下载的(大家有什么好的新的方法敬请补充)。因为是外国网站,所以下载速度很感人,几十kb每秒,下载了两个小时,不过好歹是安装上了,实测可以正常运行。
在这里插入图片描述
我是通过anaconda打开的,其他步骤和网上教程基本一致,这里不细说,可以参考:其他步骤教程

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116

在这里插入图片描述
所以,大家可以根据官网选择安装不同版本。
一定选择pip安装!!!
一定选择pip安装!!!
一定选择pip安装!!!

此外: Pytorch分cpu版本和gpu版本,注意区分。
CPU版本目前也无法通过conda直接安装,可以参考:CPU版本安装
以上两篇博客是目前在众多参考教程里,我发现可以顺利使用的。
再注意一下用pip安装,而不是用网上参考教程里从源站里安装,即可顺利安装pytorch.
希望这篇博客能给大家带来帮助!
麻了,耽误两三天时间在这里插入图片描述

### PyTorch CPUGPU安装差异 对于希望利用PyTorch构建训练深度神经网络的研究人员开发者来说,理解如何针对不同硬件环境(即CPUGPU)正确配置工作环境至关重要。当考虑在CPU上部署PyTorch时,主要关注的是简化设置流程以便快速启动项目开发;而对于GPU支持,则更侧重于最大化计算性能以加速模型训练过程。 #### 安装基础包 无论是CPU还是GPU版本PyTorch安装,都依赖于Python环境的存在,并且推荐通过`conda`或者`pip`工具来完成软件包管理。然而,在具体操作层面存在细微差别: - **CPU-only 版本**: 如果仅需使用中央处理器(CPU),那么可以选择较为简单的二进制分发文件来进行安装。这通常意味着不需要额外安装CUDA或其他图形处理单元(GPU)驱动程序支持库[^2]。 ```bash pip install torch torchvision torchaudio ``` 上述命令默认会选择适合当前系统的稳定版PyTorch及其配套组件,适用于大多数只涉及CPU运算的任务场景。 #### 配置GPU支持 为了充分利用NVIDIA GPU的强大并行计算能力,必须确保计算机已正确安装了兼容版本的CUDA Toolkit以及相应的cuDNN库。之后可以根据官方指南选择合适的预编译轮子(wheel)进行安装,从而获得最佳性能表现: - **GPU 加速版本**: 对于想要启用GPU加速功能的情况,除了基本的PyTorch外还需要特别指明要使用的CUDA版本号。例如,如果机器配备有支持CUDA 11.3及以上版本的显卡,则可以执行如下指令获取带有相应GPU优化特性的PyTorch发行版: ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 ``` 值得注意的是,这里的URL参数会指向包含特定于所选CUDA版本PyTorch扩展模块的位置。因此,根据实际需求调整此链接中的CUDA编号非常重要。 此外,还有一种更为简便的方法是借助Docker容器化技术一键搭建完整的PyTorch开发环境,其中包括预先配置好所有必要的依赖项,甚至可以直接拉取已经集成Kaldi语音识别引擎等高级特性在内的定制镜像[^4]。 综上所述,虽然两者的基础安装步骤相似,但在涉及到是否开启GPU加速选项时则表现出明显的区别——前者更加注重便捷性易用性,而后者强调高性能计算效率。
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