ubuntu20.04 解决Pytorch默认安装CPU版本的问题

ubuntu20.04 解决Pytorch默认安装CPU版本的问题

在使用Anaconda安装支持CUDA的PyTorch版本时,遇到只能安装CPU版本的PyTorch是一个常见问题。这通常由于Anaconda环境配置、镜像源设置不当或版本匹配问题导致。以下是详尽的解决方案和步骤,以确保能够正确配置和使用镜像源安装正确的PyTorch版本。

问题分析

  1. 镜像源的优先级问题:当存在多个同名包时,Conda会根据配置的镜像源优先级决定下载哪一个版本。如果GPU支持的版本和CPU版本同时存在,没有正确设置优先级,可能导致安装了不支持CUDA的版本。

  2. 版本匹配问题:指定的PyTorch版本和cudatoolkit版本可能在所选的镜像源中无法找到匹配的组合,导致自动回退到只包含CPU支持的版本。

解决方案和步骤

步骤1: 正确设置镜像源
  • 添加PyTorch专用镜像源

    bash 复制代码
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

    这个源专门为PyTorch及其依赖库提供服务,包括支持不同CUDA版本的PyTorch安装包。

  • 设置显示频道URLs

    bash 复制代码
    conda config --set show_channel_urls yes

    这一设置可以帮助您在安装过程中查看包的具体来源,有助于诊断问题。

  • 编辑.condarc文件

    确保~/.condarc文件中PyTorch的链接优先级最高。可以使用文本编辑器直接编辑这个文件,或使用以下命令查看当前配置:

    bash 复制代码
    cat ~/.condarc
步骤2: 选择性添加和精简其他镜像源
  • 深度学习源

    bash 复制代码
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

    该源包含一些旧版本的深度学习库。

  • 主镜像源

    bash 复制代码
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

    包含大量的通用库,但可能包括CPU版本的PyTorch和旧的CUDA版本。

  • 其他镜像源的选择性添加

    • Conda-forge源:

      bash 复制代码
      conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

      包含大量第三方库,应谨慎添加,以避免潜在的版本冲突。

bash 复制代码
auto_activate_base: false
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.sustech.edu.cn/anaconda-extra/cloud/nvidia/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - defaults
show_channel_urls: true
步骤3: 安装指定版本的PyTorch和CUDA Toolkit
  • 根据CUDA版本选择对应的PyTorch版本。您可以在PyTorch官网或清华源网站上找到版本兼容表。

  • 执行安装命令:

    bash 复制代码
    conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
步骤4: 验证安装
  • 检查已安装的PyTorch版本:

    bash 复制代码
    conda list pytorch
  • 在Python中验证CUDA支持:

    python 复制代码
    import torch
    print(torch.cuda.is_available())  # 应返回True

通过以上详细步骤,您可以确保从Anaconda的清华源正确安装支持CUDA的PyTorch版本,避免因配置不当而下载到CPU版本。这个过程不仅确保了软件的正确安装,也提高了安装过程的透明度和可控性。

您可以确保从Anaconda的清华源正确安装支持CUDA的PyTorch版本,避免因配置不当而下载到CPU版本。这个过程不仅确保了软件的正确安装,也提高了安装过程的透明度和可控性。

相关推荐
时也-K1 分钟前
Python基础(一)
开发语言·python
科研实践课堂(公众号名称)6 分钟前
基于OpenFOAM和深度学习驱动的流体力学计算与应用
人工智能·深度学习
qzhqbb6 分钟前
机器学习小补充(加深理解)
人工智能·机器学习
fc&&fl7 分钟前
python的包引入
python
2301_769006788 分钟前
19名专家被通报批评!国家科技重大专项评审违规!
大数据·人工智能·科技·sci·期刊·ssci
小锋学长生活大爆炸11 分钟前
【教程】Cupy、Numpy、Torch互相转换
pytorch·numpy·cupy
工业互联网专业24 分钟前
Python毕业设计选题:基于Django+uniapp的公司订餐系统小程序
vue.js·python·小程序·django·uni-app·源码·课程设计
dgsiwbe27 分钟前
人工智能机器学习-特征工程
人工智能·机器学习
CSBLOG43 分钟前
Day15上 - RNN的使用,评论分析,情感识别
人工智能·rnn·深度学习
RootKai44 分钟前
深度学习的核心思想
人工智能·深度学习