pytroch环境安装-pycharm

爱敲代码的憨仔2024-12-12 15:43

环境介绍

安装pycharm

官网下载即可，我这里已经安装，就不演示了

安装anaconda

【官网链接】点击下载

注意这一步选择just me

这一步全部勾上

打开 anaconda Prompt

输入conda create -n pytorch python==3.8

命令解释：创建一个叫pytorch（也可以取其他名字，只要不是中文的就行）的环境，其中python版本为3.8（python版本也可以根据需要指定例如3.12等）

输入conda env list

可以看到环境中除了基本的base环境，还有刚刚创建的名字为pytorch环境

输入activate pytorch

可以进入pytorch环境中去

pytorch与深度学习环境安装

检查本地环境

打开CMD窗口，输入nvidia-smi查看cuda驱动支持的最高版本cudatookkit，这个是向下兼容的

pytorch 的GPU深度学习环境安装

进入【pytorch官网】，找到之前的版本，找到1.10.1版本

通过下面这个命令，可以一次性将pytorch、cuda、cudatoolkit等工具都安装下来，如果一次下载不成功，可以多次运行，知道下载成功。

plain 复制代码

# CUDA 11.3
conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge

可以通过conda list 来检查是否安装成功

额外安装使用镜像源安装sklearn

plain 复制代码

pip install sklearn==0.0 -i https://pypi.mirrors.ustc.edu.cn/simple/

打开pycharm

根据上述步骤，完成环境配置

编写main.py 测试环境是否安装成功

测试安装

测试代码

python 复制代码

import torch

flag = torch.cuda.is_available()
print(flag) # cuda激活-返回true 安装成功

ngpu = 1
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())

# 检查cuda版本
cuda_version=torch.version.cuda
print("CUDA Version:", cuda_version)

# 检查CuDNN version
cudnn_version = torch.backends.cudnn.version()
print("CUDNN Version:", cudnn_version)

这样就安装成功了

参考资料

Pytorch框架与经典卷积神经网络与实战