服務(wù)器環(huán)境:
Ubuntu 16.04.7
顯卡:2080
cuda:10.1
注:若服務(wù)器有管理員賬戶和個人賬戶,最好在個人賬戶下重新安裝anaconda,否則安裝pytorch過程中可能有些庫安裝失敗,由于權(quán)限問題,不能刪除這些失敗的庫重新安裝。在個人賬戶下就不存在權(quán)限問題。
一 添加鏡像源
目的:使用默認的源地址下載速度很慢,會出現(xiàn)超時,導(dǎo)致某些第三方庫只下載了部分,不完整,最終失敗。
首先查看當(dāng)前鏡像源
或者
conda config --show channels
或者
然后添加清華鏡像源。參考官網(wǎng)https://mirror.tuna.tsinghua.edu.cn/help/anaconda/和https://www.jb51.net/article/212360.htm
先嘗試添加1個鏡像源(可以嘗試只添加第一個main就夠了,路徑下包括常用的第三方庫如python等,不夠的話按需要再添之后幾個)。個人最終添加的是如下4個
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
conda config --add channels https://mirrors.t
然后查看當(dāng)前鏡像源,發(fā)現(xiàn)多了剛添加的鏡像源網(wǎng)址
注:如果需要增加更多的鏡像源,仿照上面命令繼續(xù)添加即可。若需求更換其他鏡像源,可以把剛才的刪除,刪除剛添加的鏡像源命令:
conda config --remove channels https://mirrors.
添加鏡像源結(jié)束后,輸入命令
conda config --set show_channel_urls yes
conda config --set show_channel_urls yes
的意思是從channel中安裝包時顯示channel的url,這樣就可以知道包的安裝來源了。
輸入如下命令,清除索引緩存,保證用的是鏡像站提供的索引
二 創(chuàng)建虛擬環(huán)境
conda create -n myenv python=3.5.2
注:移除環(huán)境命令,conda remove -n 環(huán)境名 --all
注:報錯
錯誤1:若5分鐘以上后創(chuàng)建失敗,報錯
請參考博客https://www.jb51.net/article/212362.htm
錯誤2:Segmentation fault (core dumped)
原因:在未加清華鏡像源的時候,嘗試創(chuàng)建虛擬環(huán)境,由于國外鏡像源超時導(dǎo)致失敗,有些包只下載了部分,產(chǎn)生了歷史緩存。需要清空。輸入如下命令,按提示操作
創(chuàng)建過程及成功后,有如下頁面信息
三 安裝pytorch
從base切換到上面創(chuàng)建的新虛擬環(huán)境,
conda activate pytorch_gpu_lsq
查看已安裝的cuda版本,查看官網(wǎng)https://pytorch.org/,根據(jù)cuda版本和操作系統(tǒng)類型/版本等信息,選擇安裝哪個版本的pytorch。服務(wù)器cuda 10.1,所以安裝命令如下
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch
需要一些時間,等待即可。
到此這篇關(guān)于Linux環(huán)境下GPU版本的pytorch安裝 的文章就介紹到這了,更多相關(guān)Pytorch GPU安裝內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
您可能感興趣的文章:- PyTorch-GPU加速實例
- Pytorch 搭建分類回歸神經(jīng)網(wǎng)絡(luò)并用GPU進行加速的例子
- pytorch 兩個GPU同時訓(xùn)練的解決方案
- 解決pytorch-gpu 安裝失敗的記錄
- Pytorch 如何查看、釋放已關(guān)閉程序占用的GPU資源
- 如何判斷pytorch是否支持GPU加速