Pytorch1.10安装记录(CUDA11.3)_warning: requirement 'torch-1.10.1+2bcpu-cp38-cp38-程序员宅基地

技术标签: python  软件安装  深度学习  pytorch  

Pytorch刚更新到1.10,今天就简单尝个鲜,之前在使用1.9中有很多的UserWarning,在新版本中都已经修复了(强迫者的福音),推荐使用。关于Pytorch1.10更新的内容,请登录Pytorch官网查看。

PyTorch官网:https://pytorch.org/


0 查询NVIDIA GPU算力(可跳过)

通过如下链接可以查询到NVIDIA显卡对应的算力,如果你的GPU型号不在表中,可能GPU太老,或者算力太低。
https://developer.nvidia.com/cuda-gpus#collapseOne

在这里插入图片描述


1 创建虚拟环境

在安装之间,强烈建议使用conda创建一个新的虚拟环境,这样就不会对你之前的环境照成影响。这里以创建torch1.10为例:

  • 这里创建一个名为torch1.10的虚拟环境,python使用3.8的版本
conda create -n torch1.10 python=3.8
  • 创建完成后,激活虚拟环境(注:后续的操作都是在该虚拟环境下进行)
conda activate torch1.10

2 在线安装(CPU/GPU)

首先进入PyTorch官网:https://pytorch.org/

在这里插入图片描述


2.1 安装CPU版本

接着选择对应的系统(Your OS)这里以Linux为例,安装方式(Package)这里以Pip为例,还有计算平台(安装CPU就选择CPU即可),接着在Run this Command中会提供对应的安装指令。

在这里插入图片描述

这里直接基于刚刚创建好的虚拟环境进行安装(注意:由于使用conda创建的虚拟环境这里直接用pip不用pip3),官方默认安装了torchtorchvision以及torchaudio三个包,假如你不需要使用torchaudio这个包,就把torchaudio==0.10.0+cpu指令删掉:

pip3 install torch==1.10.0+cpu torchvision==0.11.1+cpu torchaudio==0.10.0+cpu -f https://download.pytorch.org/whl/cpu/torch_stable.html

2.2 安装GPU版本

通过官方的提示可以看到,torch1.10GPU是支持CUDA10.2和CUDA11.3的,这里以CUDA11.3为例。

2.2.1 检查GPU驱动版本

首先在命令行输入nvidia-smi指令就能看到自己nvidia的驱动版本(前提是电脑上有装nvidia的驱动)。

在这里插入图片描述

然后在NVIDIA官网,看下CUDA版本以及GPU驱动的对应关系:
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

在这里插入图片描述
通过上表可以发现,如果要使用CUDA11.3,那么需要将显卡的驱动更新至465.19.01或以上(Linux x86_64环境)。

2.2.2 更新GPU驱动

如果自己的驱动版本满足可跳过此步骤。由于我个人使用的是Centos系统,然后GPU的驱动是通过官方下载的驱动文件安装的,所以我就直接去NVIDIA官网下载最新驱动(如果你自己不是通过官方驱动文件安装的,比如UBuntu系统的apt源,那通过apt去更新即可)。下载驱动网址:
https://www.nvidia.cn/Download/index.aspx?lang=cn

选择自己的GPU类型、系列、家族、操作系统等等。然后CUDA Toolkit只要选择大于等于我们要安装的版本就行(注意这里不是要安装CUDA),比如我们后面是要安装CUDA11.3的,所以这里选11.4的就可以。

在这里插入图片描述
下载驱动文件后,进入命名行模式(因为要更新驱动,所以需要关闭系统桌面)。如果你还使用了VNC这种类似的服务也需要关闭掉,否则在安装过程中会报错:You appear to be running an X server; please exit X before installing...。详情可以查看/var/log/nvidia-installer.log,例如提示说1111这个进程需要关掉,那么自己手动kill掉就行了。

The file '/tmp/.X0-lock' exists and appears to contain the process ID '1111' of a runnning X server.

接着使用root用户或者sudo通过sh的方式安装即可,不再赘述(安装新驱动时会提示你是否要删除旧驱动,选择删除即可)。安装完成后重启下系统,然后在终端输入nvidia-smi指令看下驱动版本是否是自己安装的最新驱动即可。

2.2.3 安装Pytorch

接着选择对应的系统(Your OS)这里以Linux为例,安装方式(Package)这里以Pip为例,还有计算平台(CPU/GPU)这里以CUDA11.3为例,接着在Run this Command中会提供对应的安装指令。

在这里插入图片描述

这里直接基于刚刚创建好的虚拟环境进行安装(注意:由于使用conda创建的虚拟环境这里直接用pip不用pip3),官方默认安装了torchtorchvision以及torchaudio三个包,假如你不需要使用torchaudio这个包,就把torchaudio==0.10.0+cu113指令删掉:

pip3 install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio==0.10.0+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html

通过以上指令会把Pytorch1.10以及需要的CUDA11.3全部安装好(不需要单独安装CUDA)。安装完成后,进入python环境,检查CUDA是否可用,调用torch.cuda.is_available()返回True说明CUDA环境可用。

在这里插入图片描述


3 离线安装(CPU/GPU)

有些时候,可能你的服务器无法连接外网,此时需要提前准备好需要安装的whl文件,那么我们这里就以torchtorchvision为例(注意安装torch前需要提前安装好numpy包)。刚刚我们在线安装时发现安装指令-f后有个网址,没错就是官方存放安装包的地址,所以我们可以直接去那里下载。


3.1 安装CPU版本

这里以Linux系统以及python3.8为例,我们打开网址:
https://download.pytorch.org/whl/cpu/torch_stable.html
检索下torch-1.10然后下载下面用红色框框住的文件:

在这里插入图片描述
同样检索下torchvision-0.11.1然后下载下面用红色框框住的文件:
在这里插入图片描述

我们在这里可以找到我们需要的torch-1.10.0+cpu-cp38-cp38-linux_x86_64.whl以及torchvision-0.10.1+cpu-cp38-cp38-linux_x86_64.whl两个文件即可。注意,cp38表示python3.8的编译环境,linux_x86_64表示x86的平台64位操作系统。下载完成后,我们将这两个文件传入你的离线主机(服务器)中。接着进入刚刚用conda创建好的虚拟环境后依次安装whl包:

pip install torch-1.10.0+cpu-cp38-cp38-linux_x86_64.whl

以及

pip install torchvision-0.11.1+cpu-cp38-cp38-linux_x86_64.whl

3.2 安装GPU版本

这里以Linux系统CUDA11.3以及python3.8为例,我们打开网址:
https://download.pytorch.org/whl/cu113/torch_stable.html
检索下torch-1.10.0然后下载下面用红色框框住的文件:

在这里插入图片描述
接着检索下torchvision-0.11.1然后下载下面用红色框框住的文件:

在这里插入图片描述

我们在这里可以找到我们需要的torch-1.10.0+cu113-cp38-cp38-linux_x86_64.whl以及torchvision-0.11.1+cu113-cp38-cp38-linux_x86_64.whl两个文件即可。注意,cu113代表CUDA11.3cp38表示python3.8的编译环境,linux_x86_64表示x86的平台64位操作系统。下载完成后,我们将这两个文件传入你的离线主机(服务器)中。接着进入刚刚用conda创建好的虚拟环境后依次安装whl包:

pip install torch-1.10.0+cu113-cp38-cp38-linux_x86_64.whl

以及

pip install torchvision-0.11.1+cu113-cp38-cp38-linux_x86_64.whl
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/qq_37541097/article/details/120951214

智能推荐

react之antd组件InputNumber控制小数点_antd inputnumber decimalseparator-程序员宅基地

文章浏览阅读3.9k次。InputNumber控制用户输入小数点的个数在项目过程中有个需求,需要控制用户输入小数点的个数问题。话不多说上代码://输入框绑定方法<InputNumber style={{ width: '100%' }} formatter={limitDecimals} parser={limitDecimals}/>方法:const limitDecimals = (value: string | number): string => { const reg_antd inputnumber decimalseparator

matlab 约束条件下三元函数的图像问题_三元函数图像-程序员宅基地

文章浏览阅读4.1k次,点赞5次,收藏15次。题目:绘制z=x+y,0<x<1,0<y<1,0.5<x+y<1(0.5<z)约束条件下的图像代码:clc;clear;x=0:0.01:1;y=0:0.01:1;[xx,yy]=meshgrid(x,y);[m,n]=size(xx); for i=1:m for j=1:n z(i,j)=x(i)+y..._三元函数图像

linux下恢复误删除oracle的数据文件_oracle 数据文件误删 linux-程序员宅基地

文章浏览阅读480次。场景描述:操作系统级别的删除数据文件(/oracle/oradata/ora10g/system1.dbf),而且数据库没有崩溃,仍然处于open状态。原理:在Linux操作系统中,如果文件从操作系统级别被删除掉,之前打开该文件的进程仍然持有相应的文件句柄,所指向的文件仍然可以读写,并且该文件的文件描述符可以从/proc目录中获得。如果关闭数据库,则句柄就会丢失。恢复步骤如..._oracle 数据文件误删 linux

VScode 自定义代码颜色、背景颜色、方法名、括号颜色-程序员宅基地

文章浏览阅读10w+次,点赞108次,收藏323次。自学前端刚开始的时候使用Hbuilder,Hbuilder界面设计的很小清新,我特别喜欢,代码提示啥方面做的也特别好,很好上手,作为小白我用了很长一段时间。后来浅浅学习微信小程序开发,得写wxml,Hbilder上没有wxml格式的代码提示,代码高亮等。于是我用了一段时间vscode,在网上按推荐安装了很多花里胡哨的插件呢。给我感觉是不好上手。于是后来又接触了sublime,sublime相比..._vscode 自定义代码颜色、背景颜色、方法名、括号颜色

深度学习框架Tensorflow学习与应用 图像数据处理之二_tensorflow深度学习框架实现了对图像亮度的调整-程序员宅基地

文章浏览阅读255次。四:图像色彩调整 和图像翻转类似,调整图像的亮度、对比度、饱和度和色相在很多图像识别应用中都不会影响识别结果。所以在训练神经网络模型时,可以随机的调整训练图像的这些属性,从而使训练得到的模型尽可能地受到无关因素的影响。话不多说,上代码了。注意:路径要用英文,不要有中文(一)调整亮度与调整对比度import matplotlib.pyplot as pltimport tensorf..._tensorflow深度学习框架实现了对图像亮度的调整

《ASP.NET5》无法路由到Web API Controller控制器_.net的web无法访问到控制器-程序员宅基地

文章浏览阅读5.6k次。这个标题不知道恰当不恰当,具体的问题就是我在一个现有的项目上创建了一个Web API Controller Class,但是按F5启动调试后,通过给定的路径如“http://localhost:3753/api/values/5”访问Get(int id)方法时,没有反应,设置了断点也进不去。但这个问题在网上又没有找到解决方法,于是又新建了一个ASP.NET Web Application类型的项_.net的web无法访问到控制器

随便推点

嵌入式Linux开发板_迅为iTOP-4412精英版入门篇(一)_4412开发入门-程序员宅基地

文章浏览阅读911次,点赞2次,收藏4次。迅为iTOP-4412开发板平台,ARM Cortex A9架构,主频1.4GHz-1.6GHz,1GB 双通道 DDR3(2GB 可选),4GB EMMC(16GB 可选),提供多种外接模块,如:RFID模块、继电器模块、CAN总线 RS485总线模块、串口转接板、矩阵键盘模块、AVIN模块、GPS模块、VGA模块、500万摄像头模块、WIFI/蓝牙模块等。拥有丰富的板载接口以及众多配套扩展模块,并提供丰富的学习教程与资源,是嵌入式Linux学习与开发最佳选择。_4412开发入门

扫荡倾斜摄影单体化难题_进行模型单体化容易遇到哪些问题-程序员宅基地

文章浏览阅读5.2k次,点赞6次,收藏27次。单体化问题的由来 我们先来说说什么是“单体化”。“单体化”其实指的就是每一个我们想要单独管理的对象,是一个个单独的、可以被选中的实体(Entity);即用鼠标点击时可以显示为不同颜色(称为“高亮”)显示,可以附加属性,可以被查询统计等等。只有具备了“单体化”的能力,数据才可以被管理,而不仅仅是被用来查看。 对于人工建模而言,单体化是一个不言而喻的事情。即在人工建模的过程中,自然会把需要单独管理的_进行模型单体化容易遇到哪些问题

snakeyaml自定义pojo写入yml文件时属性字段排序问题_snakeyaml 写入yaml-程序员宅基地

文章浏览阅读1.1k次。snakeyaml自定义pojo写入yml文件时属性排序问题解决。_snakeyaml 写入yaml

使用jbpm出现异常 java.lang.NoClassDefFoundError: de/odysseus/el/ExpressionFactoryImpl-程序员宅基地

文章浏览阅读2.9k次。java.lang.NoClassDefFoundError: de/odysseus/el/ExpressionFactoryImpl at org.jbpm.pvm.internal.script.JuelScriptEngine.(JuelScriptEngine.java:66) at org.jbpm.pvm.internal.script.JuelS_java.lang.noclassdeffounderror: de/odysseus/el/expressionfactoryimpl

浅谈安全运营中心-程序员宅基地

文章浏览阅读1.9k次,点赞2次,收藏6次。最近两年安全运营中心这个概念被提到的次数越来越多了,虽然没有一个建设的标准模式,但很多大厂都在提,也号称有了各种落地。那么,到底是怎样呢。_安全运营中心

mysql 序列化缓存到txt文件查找数据与直接查找数据 性能对比,13,601条数据文件缓存平均0.085秒后只需0.025秒 推荐 程序员导航网http://www.je666.com_je666com-程序员宅基地

文章浏览阅读2.8k次。推荐 程序员导航网http://www.je666.comCREATE TABLE IF NOT EXISTS `ylmf_site_search` ( `id` int(11) NOT NULL, `displayorder` int(11) NOT NULL, `pinyin` varchar(255) CHARACTER SET gbk NOT NULL,_je666com

推荐文章

热门文章

相关标签