win11+pytorch1.7.0+python3.8(也可以是python3.7)+cuda11.0

简介: win11+pytorch1.7.0+python3.8(也可以是python3.7)+cuda11.0

写在最前面

在本机也配一个好了hh

参考:https://blog.csdn.net/weixin_44359479/article/details/121434074

https://blog.csdn.net/qq_42119367/article/details/110047492

一. 软件配备

检查显卡驱动:

nvidia-smi

可知,CUDA支持的最高版本为11.7。

所以,软件配备:win11系统、pytorch1.7.0、python3.8(也可以是python3.7)、cuda11.0。

二. 创建虚拟环境

2.1 创建环境名称,并选择‘y’

conda create -n pytorch_1.7 python=3.8

2.2.进入虚拟环境

activate pytorch_1.7

三. 安装pytorch

进入 pytorch官网,发现有对应版本下载。如果想要下载其他版本,比如:pytorch1.7,则点击下面的“Previous versions of Pytorch>”

进入页面后,找到对应版本,

由于pytorch1.7有1003.4MB,所以如果直接按照如下pip下载安装pytorch,速度非常慢,因而需要单独下载后进行安装pytorch。

conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=11.0 -c pytorch

所以,我们先下载安装包,然后再本地进行安装,下载地址是:清华大学开源软件镜像站

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

注意:不推荐下载这个torch—源于pytorch.org官网,因为经常自动断网

https://download.pytorch.org/whl/torch_stable.html

然后,选择自己想要的版本进行下载即可,存至一个盘里,将压缩包存在D盘的一个文件夹内。

接着,通过conda安装。注意:在安装的时候,需要在压缩包后面添加‘.bz2’,否则安装不成功,如:

conda install C:\\Users\\59866\\Desktop\\pytorch-1.7.0-py3.8_cuda110_cudnn8_0.tar.bz2

安装完pytorch1.7之后,我们再用如下代码,安装其它模块

输入以下代码进行安装,直至完成,如:

conda install torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=11.0 -c pytorch

至此,pytorch1.7安装完成。

四. 安装虚拟环境下的notebook

4.1 安装ipykernel,并选择‘y’,直至安装完成

pip install ipykernel  #安装ipykernel库,用来注册

4.2 将环境名注册到notebook,可以看见文件路径

python -m ipykernel install --user --name pytorch_1.7 --display-name pytorch_1.7  #将环境名注册到notebook

4.3 检查是否安装notebook,

ipython notebook

若没有安装,出现如下情况:

此时需要安装notebook,即输入:

conda install notebook

并输入’y’

出现“done”,表明已经安装完成

4.4 进入该虚拟环境下的notebook,输入:

ipython notebook

或者

jupyter notebook

两者都可以进入对应的notebook界面,并且显示“可信”。

至此,pytorch1.7安装结束!

附录

另一种最简单的安装方法,以pytorch1.12为例,代码如下:

conda create -n pytorch1.12 python=3.9
activate pytorch1.12
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple
python -m ipykernel install --user --name pytorch1.12 --display-name pytorch1.12
pip install notebook matplotlib numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

五.检查cuda是否可用

最后,检验cuda是否可用。

进入anaconda,输入python,回车

python

进入 python 环境,导入pytorch包,查看其版本

import torch
torch.__version__

导入torchvision包,查看其版本

import torchvision
torchvision.__version__

报错

1、解决CondaVerificationError: The package for pytorch located at…

原因:之前安装包缓存未清理,导致安装包不能正常安装。

解决方法:

conda clean --all

参考:https://blog.csdn.net/weixin_42069606/article/details/111052017

目录
相关文章
|
机器学习/深度学习 PyTorch TensorFlow
|
4月前
|
机器学习/深度学习 算法 PyTorch
【Pytorch框架搭建神经网络】基于DQN算法、优先级采样的DQN算法、DQN + 人工势场的避障控制研究(Python代码实现)
【Pytorch框架搭建神经网络】基于DQN算法、优先级采样的DQN算法、DQN + 人工势场的避障控制研究(Python代码实现)
133 1
|
4月前
|
机器学习/深度学习 算法 PyTorch
【DQN实现避障控制】使用Pytorch框架搭建神经网络,基于DQN算法、优先级采样的DQN算法、DQN + 人工势场实现避障控制研究(Matlab、Python实现)
【DQN实现避障控制】使用Pytorch框架搭建神经网络,基于DQN算法、优先级采样的DQN算法、DQN + 人工势场实现避障控制研究(Matlab、Python实现)
228 0
|
PyTorch Linux 算法框架/工具
pytorch学习一:Anaconda下载、安装、配置环境变量。anaconda创建多版本python环境。安装 pytorch。
这篇文章是关于如何使用Anaconda进行Python环境管理,包括下载、安装、配置环境变量、创建多版本Python环境、安装PyTorch以及使用Jupyter Notebook的详细指南。
2012 1
pytorch学习一:Anaconda下载、安装、配置环境变量。anaconda创建多版本python环境。安装 pytorch。
|
Unix API Python
【Python】已完美解决:(Python3.8异常)AttributeError: module ‘time‘ has no attribute ‘clock‘
【Python】已完美解决:(Python3.8异常)AttributeError: module ‘time‘ has no attribute ‘clock‘
434 0
|
算法 网络协议 Python
探秘Win11共享文件夹之Python网络通信算法实现
本文探讨了Win11共享文件夹背后的网络通信算法,重点介绍基于TCP的文件传输机制,并提供Python代码示例。Win11共享文件夹利用SMB协议实现局域网内的文件共享,通过TCP协议确保文件传输的完整性和可靠性。服务器端监听客户端连接请求,接收文件请求并分块发送文件内容;客户端则连接服务器、接收数据并保存为本地文件。文中通过Python代码详细展示了这一过程,帮助读者理解并优化文件共享系统。
|
机器学习/深度学习 缓存 PyTorch
pytorch学习一(扩展篇):miniconda下载、安装、配置环境变量。miniconda创建多版本python环境。整理常用命令(亲测ok)
这篇文章是关于如何下载、安装和配置Miniconda,以及如何使用Miniconda创建和管理Python环境的详细指南。
6280 0
pytorch学习一(扩展篇):miniconda下载、安装、配置环境变量。miniconda创建多版本python环境。整理常用命令(亲测ok)
|
数据挖掘 PyTorch TensorFlow
Python数据分析新纪元:TensorFlow与PyTorch双剑合璧,深度挖掘数据价值
【7月更文挑战第30天】随着大数据时代的发展,数据分析变得至关重要,深度学习作为其前沿技术,正推动数据分析进入新阶段。本文介绍如何结合使用TensorFlow和PyTorch两大深度学习框架,最大化数据价值。
384 8
|
机器学习/深度学习 PyTorch TensorFlow
TensorFlow与PyTorch在Python面试中的对比与应用
【4月更文挑战第16天】这篇博客探讨了Python面试中TensorFlow和PyTorch的常见问题,包括框架基础操作、自动求梯度与反向传播、数据加载与预处理。易错点包括混淆框架API、动态图与静态图的理解、GPU加速的利用、模型保存恢复以及版本兼容性。通过掌握这些问题和解决策略,面试者能展示其深度学习框架技能。
515 9
|
Linux Shell Python
linux服务器python2升级安装python3.7环境
linux服务器python2升级安装python3.7环境
639 0