conda安装pytorch下载慢的问题

本文介绍如何通过conda安装特定版本的PyTorch(1.5)和CUDA Toolkit(10.1),并指明了下载源为中国镜像站点。文中还提供了明确的安装命令。
部署运行你感兴趣的模型镜像

conda install pytorch=1.5 cudatoolkit=10.1 torchvision -c  https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

 

需明确指定下载路径为:-c  https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/,即可解决。

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

在使用 `conda` 安装 PyTorch 1.8.0 时遇到速度问题,通常与默认的官方源连接速度有关。以下是几种有效的解决方法: 1. **移除 `-c pytorch` 参数** 在安装命令中,如果指定了 `-c pytorch`,则 `conda` 会强制从 PyTorch 的官方源下载包,这可能导致下载速度较。可以通过移除该参数,让 `conda` 使用默认源进行安装,从而显著提升速度。例如: ```bash conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 ``` 2. **使用国内镜像源** 如果默认源的下载速度仍然较,可以配置国内的镜像源(如清华、中科大等)来加速安装过程。例如,使用清华镜像源时,可以运行以下命令: ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes ``` 配置完成后,再运行安装命令: ```bash conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 ``` 3. **恢复默认源** 如果当前的镜像源无法连接或速度较,可以尝试恢复默认源以避免连接问题: ```bash conda config --remove-key channels ``` 4. **指定 `cudatoolkit` 版本** 在某些情况下,明确指定 `cudatoolkit` 的版本可以减少依赖解析的时间,从而加快安装速度。例如,如果需要 CUDA 11.1 支持,可以使用以下命令: ```bash conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 ``` 5. **使用 `conda-forge` 渠道** 如果官方源速度较,可以尝试添加 `conda-forge` 渠道,该渠道通常包含更新的包版本且下载速度较快: ```bash conda config --add channels conda-forge conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 ``` 6. **使用 `mamba` 替代 `conda`** `mamba` 是 `conda` 的一个快速替代工具,特别适合处理复杂的依赖关系。可以通过以下命令安装 `mamba`: ```bash conda install -c conda-forge mamba ``` 然后使用 `mamba` 进行安装: ```bash mamba install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 ``` ### 验证安装 安装完成后,可以通过以下代码验证 PyTorch 是否成功安装,并检查 CUDA 是否可用: ```python import torch print(torch.cuda.is_available()) # 检查CUDA是否可用 print(torch.cuda.current_device()) # 返回当前设备索引 print(torch.cuda.device_count()) # 返回GPU的数量 print(torch.cuda.get_device_name(0)) # 获取GPU名称 ``` ### 总结 通过移除 `-c pytorch` 参数、使用国内镜像源、恢复默认源、指定 `cudatoolkit` 版本、使用 `conda-forge` 渠道或尝试 `mamba` 工具,可以有效解决 `conda` 安装 PyTorch 1.8.0 时速度问题
评论
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