Pytorch配置笔记

Pytorch配置笔记

PyTorch1.12.0

由于是跟着李沐的《深度学习 PyTorch版》学习，因此参照此书所使用的版本进行配置。(在线版在此)

安装Miniconda

下载Miniconda安装包

在官网下载即可，此处选择Windows系统对应的Python3.9版本64位

安装

需要注意的是，由于本来已安装原生的Python3.7版本，为了防止冲突，暂时不添加环境变量，此处仅勾选第一项即可。

可通过 conda info 命令验证安装是否成功。

conda 换源

由于 miniconda 下载文件/依赖库等默认的采用国外的服务器，你懂的，此处改清华源。

在Anaconda Powershell Prompt (Miniconda3)中依次运行以下两条命令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

在 C:\Users\AncilunKiang 文件夹找到 .condarc 文件替换成清华源Anaconda 镜像使用帮助中的内容

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

创建d2l环境

使用以下指令创建环境

conda create --name d2l python=3.9 -y

使用以下指令激活d2l环境

conda activate d2l

关于版本选择

总体来说，版本选择需要使PyTorch版本与CUDA版本对应，又要求GPU驱动支持上述CUDA版本。

由于PyTorch库的下载组件内部含有cudatoolkit，它是CUDA的子集，已经足够PyTorch使用，因此无需再单独安装CUDA和CUDNN，直接使用PyTorch官网的安装命令即可。

可在 NVIDIA控制面板->帮助->系统信息 中查看驱动版本以及最高支持的CUDA版本：

也可通过 nvidia-smi 命令查看

如需更高版本的CUDA则需要更新驱动，驱动程序与CUDA版本对应关系可在文档中查询

在PyTorch官网中查看对应版本推荐的CUDA版本，PyTorch1.12.0推荐CUDA10.2、11.3以及11.6。

综合上述信息，看似选择CUDA10.2版本比较合适。

安装PyTorch

但是！使用conda安装发现不是GPU版本，还是用不了GPU。查阅教程发现似乎是因为conda使用清华源总是会下载CPU版本。

那就换pip安装，结果直接报 ERROR: Could not find a version that satisfies the requirement。

试图在对应的下载地址手动下载时，PyTorch+CUDA10.2+Python3.9根本没有Windows版本的。

但是我又实在不想和书上的PyTorch版本不一样，也不想升级驱动。遍寻教程后发现其实不用考虑PyTorch内置CUDA与计算机显卡CUDA版本之间的关系，此处参考此B站视频。也就是说我直接装CUDA 11.3的即可。

使用对应pip指令安装成功：

# CUDA 11.3
pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu113

这几个whl文件可以在命令对应的网站下载下来以备不时之需，重装用本地文件也可。

安装d2l包 下载书本代码

在d2l环境下运行以下指令：

pip install d2l==0.17.6

此包带Jupyter Notebook，直接使用 jupyter notebook 命令即可打开，测试无误。

ps：用VSCode看着比用Web顺眼