【记录】深度学习环境配置（pytorch版）

1080面对Transformer连勉强也算不上了，还是要去用小组的卡

完整记一个环境配置，方便后面自用✍️
目前要简单许多，因为显卡驱动已经装好，后安装的库版本与其对应即可。

nvidia-smi查看GPU信息

CUDA版本12.2
conda -V查询conda版本

22.9.0

新建conda环境

准备装python3.8

shell 复制代码

conda create --name caiman python=3.8.2

激活新环境

shell 复制代码

conda activate caiman

安装pytorch

IRRA模型运行需求是1.9.0

CUDA12.2还没有对应的正式版本，所以装的预版本

安装命令官网https://pytorch.org/get-started找对应
conda命令安装失败，原来一直用的pip所以还是换回pip命令（熟悉些）

（个人习惯）pip的默认源设置为清华源

bash 复制代码

python -m pip install --upgrade pip
pip config set global.index-url https://tuna.tsinghua.edu.cn.simple

pip命令安装对应pytorch, torchvision👇

bash 复制代码

pip install --pre torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cu121

还是慢...

应该要重开一下终端的（下次注意）

查询是否成功安装pytorch（踩过坑：cuda和pytorch版本不匹配，GPU不可用）

bash 复制代码

(caiman)... :~$ python
>>>import torch
>>>print(torch.cuda.is_available())
Ture #这样成功，False再检查一下版本是不是对应
>>>torch.__version__ #顺便再看一眼pytorch版本
'2.2.0.dev20230913+cu121'

太多要装的包一下子不好想，干脆把项目传进去，缺什么pip install什么

after long time（而且only传了一个最小的数据集 | 用GUI工具或者SSH scp一些命令传）

值得注意的是yaml ，直接pip install yaml是不成功的，应该是pyyaml👇

shell 复制代码

pip install pyyaml

python进度条库tqdm，值得下载👍

bash 复制代码

pip install tqdm

还有nvitop可以监控GPU使用情况

bash 复制代码

pip install nvitop

这俩都是我用习惯了的小工具，现在才发现是另外安装的，没有还真不习惯，安装也很简单，直接pip；使用命令nvitop -m full实时展示显卡全部信息。

常用查询GPU命令nvidia-smi（前提装好了驱动）

pip install scipy 之后，报错ImportError:cannot import name 'imsave' from 'scipy.misc'

解决：

shell 复制代码

pip install imageio

将原报错语句代码注释，并使用imageio的imsave：

python 复制代码

# from sci.py import imsave
import imageio
imsave = imageio.imsave