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
lindsayshuo几秒前
jetson orin系列开发版安装cuda的gpu版本的opencv
人工智能·opencv
向阳逐梦几秒前
ROS机器视觉入门:从基础到人脸识别与目标检测
人工智能·目标检测·计算机视觉
陈鋆26 分钟前
智慧城市初探与解决方案
人工智能·智慧城市
qdprobot26 分钟前
ESP32桌面天气摆件加文心一言AI大模型对话Mixly图形化编程STEAM创客教育
网络·人工智能·百度·文心一言·arduino
QQ395753323727 分钟前
金融量化交易模型的突破与前景分析
人工智能·金融
QQ395753323728 分钟前
金融量化交易:技术突破与模型优化
人工智能·金融
The_Ticker40 分钟前
CFD平台如何接入实时行情源
java·大数据·数据库·人工智能·算法·区块链·软件工程
Elastic 中国社区官方博客1 小时前
Elasticsearch 开放推理 API 增加了对 IBM watsonx.ai Slate 嵌入模型的支持
大数据·数据库·人工智能·elasticsearch·搜索引擎·ai·全文检索
jwolf21 小时前
摸一下elasticsearch8的AI能力:语义搜索/vector向量搜索案例
人工智能·搜索引擎
有Li1 小时前
跨视角差异-依赖网络用于体积医学图像分割|文献速递-生成式模型与transformer在医学影像中的应用
人工智能·计算机视觉