Ubuntu下PyTorch深度学习环境搭建
Cleo Lv2
 2021-12-10 17:55:45    

Anaconda安装

进入Anaconda官网下载Linux版本，通常选择64-bit (x86) Installer。下载后，赋予文件可执行权限后使用root权限安装:

1
2
$ chmod +x Anaconda3-2021.11-Linux-x86_64.sh
$ sudo ./Anaconda3-2021.11-Linux-x86_64.sh

虚拟环境创建

创建Python虚拟环境并激活:

1
2
$ conda create -n pytorch python=3.7
$ conda activate pytorch

Anaconda常用命令

查看版本号

1
2
3
$ conda --version
# 或
$ conda -V

环境管理

  1. 创建虚拟环境

    1
    $ conda create -n <env_name> python=<python_version> <module1> <module2> ...

  2. 查看当前所有环境

    1
    2
    3
    $ conda info -e
    # 或
    $ conda env list

  3. 激活某个环境

    1
    $ conda activate <env_name>

  4. 退出当前环境

    1
    $ conda deactivate

  5. 删除某个环境

    1
    $ conda remove --name <env_name> --all

  6. 分享环境

    将当前环境的所有配置导出到配置文件，通过配置文件创建一个与当前环境一模一样的环境。

    1
    2
    3
    4
    # 将环境信息导出到.yml文件
    $ conda env export > environment.yml
    # 从.yml文件创建环境
    $ conda env create -f environment.yml

  7. 清理（瘦身）

    1
    2
    3
    $ conda clean -p        # 删除没用的包，该命令会检查哪些包没有在包缓存中被硬依赖到其他地方并删除它们
    $ conda clean -t        # 删除conda保存下来的tar包
    $ conda clean -y --all  # 删除所有安装包及cache

  8. 重命名

    conda不提供重命名功能，只能通过clone-remove来实现。

    1
    2
    $ conda create -n newname --clone oldname
    $ conda remove --name oldname --all

    该操作只能在base环境下进行。

包管理

  1. 查看当前环境下所有包

    1
    $ conda list

  2. 查看非当前环境下的所有包

    1
    $ conda list -n <env_name>

  3. 为当前环境安装某个包

    1
    $ conda install <package_name>

  4. 安装本地包

    1
    $ conda install --use-local <package_path>

  5. 更新包

    1
    $ conda update <package_name>

  6. 卸载包

    1
    $ conda uninstall <package_name>

PyTorch安装

版本需参考GPU支持和安装的cuda版本

PyTorch 1.8.0:

1
2
3
4
5
# CUDA 10.2
$ conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 -c pytorch

# CUDA 11.1
$ conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

PyTorch 1.7.1:

1
2
3
4
5
6
7
8
9
10
11
# CUDA 9.2
$ conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=9.2 -c pytorch

# CUDA 10.1
$ conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch

# CUDA 10.2
$ conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.2 -c pytorch

# CUDA 11.0
$ conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

PyTorch 1.7.0:

1
2
3
4
5
6
7
8
9
10
11
# CUDA 9.2
$ conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=9.2 -c pytorch

# CUDA 10.1
$ conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=10.1 -c pytorch

# CUDA 10.2
$ conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=10.2 -c pytorch

# CUDA 11.0
$ conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=11.0 -c pytorch

更多版本请参考PyTorch官网安装页面.

测试

进入python交互式解释器:

1
$ python

执行GPU测试命令:

1
2
import torch
torch.cuda.is_available()

返回True表示GPU可用，返回False表示GPU不可用。