Anaconda环境安装GPU版本Pytorch

向右看齐 2022-03-10 09:53 412阅读 0赞

**Anaconda真是一个好东西啊~**

*  Anaconda默认安装了常见的科学计算包，用它搭建起Python环境后不用再费时费力安装这些包；
 *  Anaconda可以创建互相隔离的虚拟环境，可以在不同环境下制定不同版本的Python，安装不同依赖包，再也不用纠结多个Python版本究竟安装哪个

Anaconda这么好，我们用它来搭建一个基于Pytorch框架的深度学习环境~

### 文章目录 ###

*  一、Anaconda基本使用
 *   *  1 环境管理
     *   *  1.1 创建环境
         *  1.2 激活环境
         *  1.3 创建第二个环境
         *  1.4 列出所有环境
         *  1.5 切换到另一个环境(activate/deactivate)
         *  1.6 删除一个环境
     *  2 Python管理
     *   *  2.1 检查可安装的Python版本
         *  2.2 安装不同版本的python
         *  2.3 确定环境添加成功
         *  2.4 检查新环境中python版本
         *  2.5 使用不同版本的python
     *  3 包管理
     *   *  3.1 查看该环境中包和其版本的列表
         *  3.2 使用conda命令查看可用包的列表
         *  3.3 查找一个包
         *  3.4 安装一个新包
         *  3.5 pip安装包
         *  3.6 移除包，移除business环境下的iopro
 *  二、Pytorch安装
 *   *  0 准备工作
     *  1 安装CUDA
     *  2 安装cuDNN
     *  3 安装Pytorch
 *  三、参考资料

# 一、Anaconda基本使用 #

--------------------

Anaconda的安装可以参考博客【[centos安装 Anaconda3及使用][centos_ Anaconda3]】，Anaconda的主要功能包括虚拟环境管理、Python版本管理、包管理，具体内容如下：

## 1 环境管理 ##

### 1.1 创建环境 ###

你要为自己的一个深度学习环境创建一个虚拟的基础运行环境，你给他起名为pytorch\_gpu，你可以运行以下代码：

conda create --name myenv pytorch_gpu

这条命令将会给pytorch\_gpu创建一个新的环境，位置在/envs/myenv

### 1.2 激活环境 ###

创建好虚拟环境以后，如果想要使用它让系统处于其运行环境下，需要先激活环境，可以运行以下代码：

source activate pytorch_gpu

### 1.3 创建第二个环境 ###

创建并命名一个新环境，然后安装另一个版本的python以及两个包 Astroid 和 Babel。这将创建第二个基于python3.6和Astroid and Babel 的新环境，在/envs/bunnies文件夹里。

conda create -n bunnies python=3.6 Astroid Babel

### 1.4 列出所有环境 ###

你想看看现在安装好了哪些环境啦，可以这么实现：

conda info --envs

运行后可能会输出下面的内容，意思是现在已经有两个虚拟环境了，他们的主目录在什么位置：

conda environments:
        pytorch_gpu          * /home/username/miniconda/envs/myens
        bunnies               /home/username/miniconda/envs/bunnies

### 1.5 切换到另一个环境(activate/deactivate) ###

下面是 切换到bunnies环境，然后又关闭这个环境回到默认环境中：

source activate bunnies
    source deactivate

### 1.6 删除一个环境 ###

删除名为bunnies的环境

conda remove -n  bunnies --all

## 2 Python管理 ##

### 2.1 检查可安装的Python版本 ###

conda search --full --name python

### 2.2 安装不同版本的python ###

\#现在我们假设你需要python3.6来编译程序，但是你不想覆盖掉你的python2.7来升级，你可以创建并激活一个名为pytorch\_gpu的环境，并通过下面的命令来安装最新版本的python3.6：

conda create -n pytorch_gpu python=3.6
    source activate pytorch_gpu

### 2.3 确定环境添加成功 ###

为了确保snakes环境已经被安装了，键入如下命令：

conda info -e

### 2.4 检查新环境中python版本 ###

python --version

### 2.5 使用不同版本的python ###

为了使用不同版本的python，你可以切换环境，通过简单的激活它就可以，让我们看看如何返回默认2.7：

source deactivate

## 3 包管理 ##

### 3.1 查看该环境中包和其版本的列表 ###

会看到你在当前环境中已经安装好的所有包和其版本：

conda list

### 3.2 使用conda命令查看可用包的列表 ###

http://docs.continuum.io/anaconda/pkg-docs/

### 3.3 查找一个包 ###

检查我们需要的这个包是否可以通过conda来安装：

conda search beautifulsoup4

### 3.4 安装一个新包 ###

我们将在当前环境(bunnies)中安装这个Beautiful Soup包，使用conda命令如下：

conda install --name bunnies beautifulsoup4

### 3.5 pip安装包 ###

source activate bunnies
    pip install see

### 3.6 移除包，移除business环境下的iopro ###

conda remove -n bunnies iopro

# 二、Pytorch安装 #

--------------------

## 0 准备工作 ##

用conda安装Pytorch过程中会连接失败，这是因为Anaconda.org的服务器在国外，需要切换到国内镜像源：

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 --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

创建虚拟环境并激活之，在该环境下安装下面的包：

conda create -n pytorch_gpu python=3.6
    source activate pytorch_gpu

## 1 安装CUDA ##

conda install cudatoolkit=8.0 -n pytorch_gpu -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/

## 2 安装cuDNN ##

所安装的cuDNN版本注意和CUDA对应，可以在CUDA官网找到版本对应关系：

conda install cudnn=7.0.5 -n pytorch_gpu -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

## 3 安装Pytorch ##

先到官网找到在你的操作系统、包、CUDA版本、语言版本下对应的安装脚本，官网地址为`https://pytorch.org/get-started/locally/`，直接根据你的实际情况选择Pytorch安装包版本，然后复制页面自动生成的脚本进行安装。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzI2NjQ2MTI5_size_16_color_FFFFFF_t_70_pic_center]

conda install pytorch torchvision cudatoolkit=8.0 -n pytorch_gpu

# 三、参考资料 #

> http://www.cnblogs.com/harvey888/p/5465452.html  
> https://blog.csdn.net/kaixinjiuxing666/article/details/80321124

[centos_ Anaconda3]: https://www.cnblogs.com/xiao-apple36/p/9052102.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzI2NjQ2MTI5_size_16_color_FFFFFF_t_70_pic_center]: /images/20220310/0dc09751f62c47e293d7ce99c8bb197d.png