기사 디렉토리
1. 설치 단계
- 아나콘다를 더 쉽게 설치
- 아나콘다 프롬프트 열기 (anaconda)
- 설치된 Python 버전을 확인하십시오. 여기에 버전 3.7이 있습니다.
python --version
- pytorch가있는 집 만들기
conda create -n pytorch python=3.7
- 집을 활성화하고 pytorch 구성 환경으로 들어갑니다.
conda activate pytorch
- Tsinghua 미러 소스로 전환하는 명령문
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/win-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/win-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
conda config --set show_channel_urls yes
(이 단계에서 인터넷의 대부분의 블로그는 끝에 / win-64 /를 쓰지 않았지만 개인적으로 추가하는 것이 더 빠를 것이라고 생각합니다)
- 칭화 미러 설치 명령문
conda install pytorch torchvision cudatoolkit=10.1
여기의 설치 방법은 공식 홈페이지 에서 설정 이 가능합니다 . 저는 cuda 10.1을 선택했습니다. 블로그에 따르면 10 개 이하로 설치하면 이상한 문제가 많이 발생할 수 있습니다. Nvidia의 그래픽 카드가없는 경우 공식 웹 사이트에 작성된 순수 CPU에서 실행되는 pytorch를 설치하십시오. 동시에 pytorch 버전과 torchvision 버전을 선택할 수 있습니다. 선택하지 않으면 기본적으로 최신 버전이 다운로드됩니다.
위는 pytorch를 설치하는 모든 단계이지만 정상적인 상황에서는 많은 이상한 문제가 있습니다.
다음은 세 가지 패키지의 주요 설치 소스입니다. 네트워크 속도가 충분하지 않은 경우 로컬에서 다운로드 한 다음 가져올 수 있습니다 (나중에 성공적으로 설치되었으므로 여기서 시도하지 않았습니다).
三大包的安装源:
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64::pytorch-1.7.1-py3.7_cuda101_cudnn7_0 ----746.5Mb
mkl-2020.4 | hb70f87d_311 172.4 MB https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge::mkl-2020.4-hb70f87d_311
cudatoolkit-10.1.243 | h3826478_6 378.0 MB https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/win-64::cudatoolkit-10.1.243-h3826478_6
- 결과보기
- 방금 만든 패키지에 다른 패키지를 추가하려면 명령을 직접 사용할 수 있습니다. 여기에서 pandas를 예로 들어 보겠습니다.
pip install pandas
Anaconda Prompt (anaconda)에 pytorch 디렉토리를 입력하고 위의 명령을 눌러
성공적으로 설치합니다.
동시에 아래와 같이 anaconda에서 직접 수동으로 관리 할 수도 있습니다.
둘째, 테스트
설치된 버전을 확인하십시오.
pip list
테스트 코드 :
//输入
python:
//进入python页面
//输入:
import torch
//导入torch 没有错误提示说明导入成功
//输入:
torch.cuda.is_available()
//结果是 Ture 表示电脑的GPU可被torch使用
pycharm에서 실행중인 경우 실행하도록 컴파일러를 구성해야합니다.
셋, 몇 가지 문제의 해결책
질문 1 : conda의 오류 해결 정보 : 해결 환경 : 초기 고정 해결로 실패했습니다. 유연한 해결로 다시 시도합니다.
채널 레벨을 변경하려면 :
conda config --set channel_priority flexible
질문 2 : Anoconda에서 가상 환경 오류 CondaHTTPError : HTTP 000 CONNECTION FAILED for url
3 개의 경로를 구성해야합니다 :
Anocoda 구성 환경 변수 :
최소한 Anaconda, Anaconda / Scripts, Anaconda / Library / bin 3 개의 디렉토리를 포함하십시오! ! !
E:\Anacoda3\Library\bin
E:\Anacoda3\Scripts
E:\Anacoda3\
(여기서 E : \ Anacoda3 \는 호스트가 anoconda를 설치하는 위치입니다.)
구성 방법 :
내 컴퓨터, 속성, 고급 시스템 설정, 환경 변수, 시스템 변수, 경로
질문 3 : Conda 다운로드 바이트가 Content-Length 문제 솔루션과 일치하지 않습니다.
참조 링크 : https://blog.csdn.net/sinat_36594453/article/details/89599174
방법 2 : conda에서 다운로드 한 시간 제한을 설정 한 다음 다시 시도하십시오. 시간이 충분하지 않으면 더 큰 시간을 설정할 수 있습니다.
conda config --set remote_read_timeout_secs 600.0
conda config --set remote_read_timeout_secs 10000.0
질문 4 : nvidia-smi가 잘못되었습니다.
nvidia-smi를 사용하여 GPU 사용량을 확인하려고 할 때 C : \ Program Files \ NVIDIA Corporation \에 NVSMI 폴더가 없으므로 내부의 nvidia-smi.exe 파일도 누락되었습니다.
솔루션 :
링크 : https://pan.baidu.com/s/1MsLXsC-Z8OyolxWSpxsj9g
추출 코드 : wy6l
NVSMI.zip을 C : \ Program Files \ NVIDIA Corporation \에 압축 해제 한
다음 환경 변수를 추가하고
nvidia-smi를 입력 할 수 있습니다.
问题 5 : 시스템의 NVIDIA 드라이버가 너무 오래되었습니다.
>>> import torch
>>> torch.cuda.is_available()
E:\anacanda\envs\pytorch\lib\site-packages\torch\cuda\__init__.py:52: UserWarning: CUDA initialization: The NVIDIA driver on your system is too old (found version 9020). Please update your GPU driver by downloading and installing a new version from the URL: http://www.nvidia.com/Download/index.aspx Alternatively, go to: https://pytorch.org to install a PyTorch version that has been compiled with your version of the CUDA driver. (Triggered internally at ..\c10\cuda\CUDAFunctions.cpp:100.)
return torch._C._cuda_getDeviceCount() > 0
False
** 솔루션 : ** 드라이버
참조 링크 업데이트 : https://blog.csdn.net/qq_37163925/article/details/106222654
네, 콘다 지침
- 손상된 패키지 정리 :
conda clean --packages --tarballs
- 업데이트 지침 :
conda update --all
- 필수 업데이트 지침 :
conda update --strict-channel-priority --all
- 디스플레이 채널 :
conda config --show channels
더 많은 conda 지침은 다음과 같이 볼 수 있습니다.