pytorch深度学习环境配置

深度学习环境配置

本文配置的环境是以Ubuntu20操作系统为例，使用的是nvidia的显卡.

安装nvidia驱动

如果是图形界面直接在系统应用Software & Updates，选择到Additional Drivers，点击nvidia驱动并应用更改即可;
具体可以参考链接： https://linuxconfig.org/how-to-install-the-nvidia-drivers-on-ubuntu-20-04-focal-fossa-linux

安装cuda

直接sudo apt install nvidia-cuda-toolkit即可

参考： https://linuxconfig.org/how-to-install-cuda-on-ubuntu-20-04-focal-fossa-linux

配置conda环境

到清华源的miniconda镜像选择版本安装miniconda，在这里选择Miniconda2-latest-Linux-x86_64.sh即可.
使用conda创建虚拟环境conda create -n myev anaconda python=3. 接着使用conda activate myev即可切换到刚创建好的环境,这时可以发现命令行的提示符会提示你当前所在的环境.

修改conda到清华源

对homo目录下的.condarc文件进行修改.
添加:

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - 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
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

使用conda安装pytorch

先切换到我们的myev环境下,然后执行conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
参考:pytorch官网链接
注意应该和cudatoolkit的版本对应上,可以使用nvcc --version进行查看.
从上也可以看出,需要安装包只需要conda install pkgname即可.