服务器上安装pytorch-gpu

本文详细介绍如何在服务器上创建并配置PyTorch GPU环境,包括虚拟环境的创建、PyTorch的安装、更改下载源以提高下载速度,以及如何测试安装是否成功。
部署运行你感兴趣的模型镜像

1.创建虚拟环境

conda create -n pytorch-gpu python=3.6

如果需要查看当前有哪些虚拟环境

conda info --env

2.进入虚拟环境

如果启用创建的环境,输入下面指令

source activate pytorch-gpu
# or
conda activate pytorch-gpu

 退出当前虚拟环境的话,输入指令

conda deactivate

删除虚拟环境的话,输入指令

conda remove -n pytorch-gpu --all

3.安装pytorch

首先要查看服务器的cuda版本,使用如下命令

如上图,cuda版本是10.1

或者输入命令

cat /usr/local/cuda/version.txt 

 

在刚刚创建的环境中安装pytorch, 在pytorch 官网 找到对应的下载指令进行下载,选择与自己环境匹配的 ,如下图是我的配置

在已经激活的环境中输入上图红框中的命令:

conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

默认pytorch官网为下载源,下载速度太慢,很容易报错,所以更改为清华大学镜像,
命令行输入下面的命令:

# 添加Anaconda的清华镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes  

然后在输入:

conda install pytorch torchvision cudatoolkit=10.0

注意要把后面的-c pytorch去掉,不然还是使用的默认源下载。

然后等待下载安装即可。

4.测试

不报错,并返回True, 说明安装成功!!

参考博客

https://blog.youkuaiyun.com/amnesiagreen/article/details/106349598

https://blog.youkuaiyun.com/kan2281123066/article/details/93789303

 

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

### 使用国内镜像源安装 PyTorch-GPU 为了确保顺利安装支持 GPUPyTorch 版本,可以采用以下两种推荐的方法: #### 方法一:使用 Anaconda 配置 Tsinghua 源并安装特定版本的 PyTorch 配置好 Tsinghua 源后可以直接通过命令行工具 `conda` 来获取适用于当前系统的 PyTorch 和 CUDA 组合。需要注意的是,在确认安装前要检查所选包是否为 GPU 支持版而不是 CPU 专版。 ```bash # 设置清华源作为默认下载渠道 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --set show_channel_urls yes ``` 执行上述指令来更改软件仓库地址至清华大学开源软件镜像站,并开启显示频道 URL 功能以便更好地追踪依赖关系解析过程中的资源位置[^3]。 接着可以通过如下方式查询可使用的 PyTorch 版本列表及其对应的具体构建标签(build label),从而挑选合适的带有 `_cudaX.Y.Z` 后缀表示已编译好的含 NVIDIA CUDA 加速特性的发行版进行安装操作: ```bash conda search pytorch --channel mirrors/tuna/tsinghua ``` 最后依据个人需求选取相应版本号完成实际部署工作,比如对于 Linux 平台下的 Python 3.7 用户来说可能看起来像是这样的一条命令: ```bash conda install pytorch=1.13.1=py3.7_cuda11.7_cudnn8.5.0_0 -c mirrors/tuna/tsinghua ``` 此法能够有效规避因网络条件不佳而导致的标准 pip 或者 conda 渠道难以访问的问题,同时也提供了更灵活的选择空间给开发者自行决定所需组件的确切规格参数设置。 #### 方法二:手动下载预编译 tar.bz2 文件并通过本地路径指定安装 如果希望更加精确控制整个环境搭建流程,则可以选择直接从清华大学 TUNA 社区提供的链接处下载预先打包好的 `.tar.bz2` 压缩文件形式发布的 PyTorch 发行版。这种方式允许使用者提前验证目标机器上的硬件兼容情况以及操作系统特性等因素后再做进一步处理动作。 以 Linux x86_64 架构为例说明具体做法如下所示: ```bash wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/pytorch-1.13.1-py3.7_cuda11.7_cudnn8.5.0_0.tar.bz2 ``` 这一步骤用于将远程服务器上的压缩包拉取到本地磁盘存储设备之中待后续解压展开成可用状态;紧接着利用 Conda 工具集所提供的功能来进行离线模式下的程序库集成作业: ```bash conda install /path/to/downloaded/pytorch-1.13.1-py3.7_cuda11.7_cudnn8.5.0_0.tar.bz2 ``` 此处需替换 `/path/to/downloaded/...` 为实际保存有之前下载所得归档件的位置路径字符串表达式。这种方法虽然相对复杂一些但是能较好满足某些特殊场景下的定制化要求。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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