【教程】虚拟环境与Pytorch安装保姆级教学

【教程】虚拟环境与Pytorch安装保姆级教学

【教程】虚拟环境与Pytorch安装保姆级教学

• NVIDIA驱动安装
• 虚拟环境
• • 创建
  • 激活/退出
  • 相关库的安装
  • Pycharm内设置虚拟环境
• Pytorch安装
• • 安装地址
  • 可能遇到的问题
  • • 处理报错
    • 安装卡顿
  • 测试是否安装完成
• 参考

NVIDIA驱动安装

查看本机安装的显卡类型：

进入NVIDIA驱动官网：NVIDIA驱动官网，选择对应显卡类型


按照默认流程进行安装即可，重启电脑

重启后，命令行输入nvidia-smi可查看cuda版本等信息：

虚拟环境

【声明】 请确保已安装conda与pycharm，可参考博文：【教程】Miniconda+Pycharm安装保姆级教学

创建

进入项目文件位置，命令行输入以下指令，创建虚拟环境

conda create -n 自定义名称 python==3.8.5 ## 创建虚拟环境，定义python版本

补充：进入项目文件主要有两种方式

1. 主动打开项目文件，并输入cmd
   
   

2. 命令行cd到项目文件地址
   

虚拟环境创建成功后系统返回done，并出现如下提示：

激活/退出

输入指令conda activate -自定义名称，激活虚拟环境

首次激活出现如下界面：

PS：可以看到虚拟环境以我们自定义的名称作为开头，并被置于括号内。

若退出则输入指令conda deactivate即可：

相关库的安装

1. 输入dir可查看项目文件夹内文件列表：
   
2. 输入指令pip install -进行所需库的安装：
   从图中可以看到是通过镜像进行安装，速度还是较快的（因为在安装conda的时候已进行换源）。

Pycharm内设置虚拟环境

1. 刚进入pycharm会提示选择系统默认编译环境，若需要使用虚拟环境则跳过就好。跳过后界面右下方会显示No interpreter，按下图进行点击添加即可。
   
2. 先前已预设好了conda的虚拟环境，因此在这里选择conda environment，并按下图步骤操作即可。
   
3. 选择完_后点击Load Environments上传，此后可使用已有环境，亦可创建新环境。
   
4. 此后稍作等待，让系统完成适配即可。
   

PS：除了利用命令行，也可以在pycharm编译器界面点击terminal，进行相关操作，但更建议使用命令行

Pytorch安装

安装地址

可在pytorch官网查看相应指令进行安装，官网如下：pytorch官网

针对其余版本（本处以v1.10.0为例）：

进入虚拟环境，命令行内输入以下代码即可：

# CUDA 11.3
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3

环境地址为conda安装的地址下的envs文件夹中。

可能遇到的问题

处理报错

安装过程中可能会遇到如下报错警告：WARNING conda.gateways.disk.delete:unlink_or_rename_to_trash(139)。经尝试，按照系统相关指令删除指定文件夹内文件即可恢复。具体可参考此篇文章：参考。

安装卡顿

可多次执行上述安装指令

测试是否安装完成

若安装完成命令行返回done，我们可以通过输入以下代码进行测试：

>>> import torch
>>> print(torch.cuda.is_available())
True
>>> exit()

若返回值为True，则表示测试成功。

参考

本文参考博文如下：
[1] 【2023-Pytorch-分类教程】手把手教你使用Pytorch训练自己的分类模型
[2] 2021年Windows下安装GPU版本的Tensorflow和Pytorch