精华内容
下载资源
问答
  • linux安装pytorch-GPU版本

    2021-08-22 16:04:35
    1. 查看cuda版本: ls -l /usr/local | grep cuda 得到如下结果: lrwxrwxrwx 1 root root 21 12月 20 2019 cuda ->...2. conda安装pytorch-GPU 首先参考官网的命令:https://pytorch.org/get-started/

    1. 查看cuda版本:

    ls -l /usr/local | grep cuda

    得到如下结果:

    lrwxrwxrwx  1 root root   21 12月 20  2019 cuda -> /usr/local/cuda-10.2/
    drwxr-xr-x 18 root root 4096 12月 20  2019 cuda-10.2
    

    说明cuda是10.2版本

    2. conda安装pytorch-GPU

    首先参考官网的命令:https://pytorch.org/get-started/locally/

    在这里插入图片描述
    给的命令是:conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

    但是实际由于魔法的存在,不能直接安装,所以需要先更换pytorch源,请参考:https://blog.csdn.net/weixin_35757704/article/details/108910070(Mac、linux相同)

    安装命令是:conda install pytorch torchvision torchaudio cudatoolkit=10.2,这里要把-c pytorch删掉!

    然后安装即可

    3. 测试

    打开代码,运行:

    import torch
    
    print(torch.cuda.is_available())
    
    展开全文
  • Linux安装Pytorch1.8GPU(CUDA11.1)

    千次阅读 热门讨论 2021-03-16 19:31:40
    先说下自己之前的环境(都是Linux系统,差别不大): Centos7.6 NVIDIA Driver Version 440.33.01(等会需要更新驱动) CUDA10.1 Pytorch1.6/1.7 提示,如果想要保留之前的PyTorch1.6或1.7的环境,请不要卸载CUDA...

    注意,Pytorch1.8.0有些bug,建议安装1.8.1稳定版

    先说下自己之前的环境(都是Linux系统,差别不大):

    • Centos7.6
    • NVIDIA Driver Version 440.33.01(等会需要更新驱动)
    • CUDA10.1
    • Pytorch1.6/1.7

    提示,如果想要保留之前的PyTorch1.6或1.7的环境,请不要卸载CUDA环境,可以通过Anaconda管理不同的环境,互不影响。但是需要注意你的NVIDIA驱动版本是否匹配。
    这里能够看到官方给的对应CUDA版本所需使用驱动版本。

    cuda-driver通过上表可以发现,如果要使用CUDA11.1,那么需要将显卡的驱动更新至455.23或以上(Linux x86_64环境)。由于我之前的驱动版本是440.33.01,那么肯定不满足,所以需要更新下显卡的驱动。通过以下指令可以查看你电脑上的驱动版本:

    nvidia-smi
    

    如果你的驱动版本是满足的,那么可以直接跳到创建Pytorch1.8虚拟环境章节。


    更新驱动

    卸载旧驱动

    我之前安装的是NVIDIA-440的版本,找到之前下载的安装程序,然后打开终端通过以下指令进行卸载:

    sh ./NVIDIA-Linux-x86_64-440.33.01.run --uninstall
    

    安装新驱动

    1)下载驱动,直接去NVIDIA官网下载:https://www.nvidia.cn/Download/index.aspx?lang=cn

    driver

    根据你的GPU型号以及操作信息选择对应的驱动,注意CUDA Toolkit11版的当前可选的只有11.0和11.2,而我们要装的是11.1所以选择11.2即可。


    2)关闭Xserver服务 (如果没有安装桌面系统可以跳过)
    我的桌面系统是gdm(GNOME Display Manager)类型的,通过systemctl可以看到:

    systemctl status gdm.service
    

    显示结果:

    ● gdm.service - GNOME Display Manager
       Loaded: loaded (/usr/lib/systemd/system/gdm.service; enabled; vendor preset: enabled)
       Active: active (running) since Fri 2021-01-22 09:27:06 CST; 1 months 22 days ago
      Process: 32347 ExecStartPost=/bin/bash -c TERM=linux /usr/bin/clear > /dev/tty1 (code=exited, status=0/SUCCESS)
     Main PID: 32344 (gdm)
        Tasks: 22
       CGroup: /system.slice/gdm.service
               ├─32344 /usr/sbin/gdm
               └─32357 /usr/bin/X :0 -background none -noreset -audit 4 -verbose -auth /run/gdm/auth-for-gdm-mBzawN/databa...
    
    Jan 22 09:27:06 localhost.localdomain systemd[1]: Starting GNOME Display Manager...
    Jan 22 09:27:06 localhost.localdomain systemd[1]: Started GNOME Display Manager.
    

    关闭gdm服务:

    systemctl stop gdm.service
    

    注意,如果还开启了类似VNC远程桌面的服务也要记得关闭。


    3)安装新版本驱动

    sh ./NVIDIA-Linux-x86_64-460.32.03.run 
    

    4)检查nvidia服务
    通过以下指令能够看到当前主机上的nvidia驱动版本以及所有可用GPU设备信息。

    nvidia-smi
    

    5)再次开启桌面服务、VNC等
    如果不是gdm或者不使用桌面环境可以跳过此步骤

    systemctl start gdm.service
    

    创建PyTorch1.8虚拟环境

    为了不同版本之间的环境互相隔离,强烈建议使用Anaconda的虚拟环境。其实使用起来也非常简单:

    • 创建虚拟环境,这里我创建了一个名为torch18的虚拟环境,并且创建python3.8的编译环境。
    conda create -n torch18 python=3.8
    
    • 安装完成后,激活虚拟环境
    conda activate torch18
    
    • 接着安装点常用的包,这里直接通过requirements.txt批量安装(不需要可以跳过)
    pip install -r requirements.txt
    

    requirements.txt文件里可以是你常用的一些包,例如:

    numpy==1.17.0
    matplotlib==3.2.1
    lxml==4.6.2
    tqdm==4.42.1
    
    • 如果需要退出虚拟环境,执行以下指令即可:
    conda deactivate
    

    安装PyTorch1.8

    在线安装

    进入PyTorch官网:https://pytorch.org/

    pytorch

    我们通过选择自己的系统类型、安装方式以及CUDA的版本可以得到对应的安装指令。官方默认会顺带安装torchvision和torchaudio但我只需要torchvision所以通过以下指令安装 (注意,要进入对应的虚拟环境安装,例如上面的torch18环境)

    pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111  -f https://download.pytorch.org/whl/torch_stable.html
    

    安装完成后就可以使用了,不需要在单独安装CUDA,并且不会影响之前安装的CUDA版本。

    下面进行简单的测试:

    • 首先在终端输入python进入python环境:
    pyhton
    
    • 然后导入torch包,查看cuda是否可用:
    import torch
    torch.cuda.is_available()
    

    如果打印的是True表示成功

    cuda


    离线安装

    有些时候,可能你的设备无法连接外网,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最后有个网址,https://download.pytorch.org/whl/torch_stable.html,没错就是官方存放所有的安装包,所以我们可以直接去那里下载。

    torch1.8.1
    torchvision0.9.1

    我们在这里可以找到我们需要的torch-1.8.1+cu111-cp38-cp38-linux_x86_64.whl以及torchvision-0.9.1+cu111-cp38-cp38-linux_x86_64.whl两个文件即可。注意,cu111代表CUDA11.1,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。接着在保存这两个文件夹的目录下打开终端:

    • 进入对应虚拟环境
    conda activate torch18
    
    • 安装torch
    pip install torch-1.8.1+cu111-cp38-cp38-linux_x86_64.whl
    
    • 安装torchvison
    pip install torchvision-0.9.1+cu111-cp38-cp38-linux_x86_64.whl
    

    安装完成后进行简单的测试:

    • 首先在终端输入python进入python环境:
    pyhton
    
    • 然后导入torch包,查看cuda是否可用:
    import torch
    torch.cuda.is_available()
    

    如果打印的是True表示成功

    cuda


    通过docker安装

    在有些情况下是需要使用docker来跑深度学习环境的(现在很多大公司都是使用paas平台来部署的)。那么我们就需要使用pytorch官方的docker镜像了。我们可以在docker hub上去搜索相关镜像,https://registry.hub.docker.com/。下图是我搜索的pytorch字段的结果(点击Tags后)。

    docker

    我们可以看到当前最新的docker 镜像有pytorch/pytorch:1.8.1-cuda11.1-cudnn8-develpytorch/pytorch:1.8.1-cuda11.1-cudnn8-runtime,对于普通开发者下载pytorch/pytorch:1.8.1-cuda11.1-cudnn8-runtime就行了。关于安装docker的过程这里不赘述。

    1)我们直接通过以下指令就能pull这个镜像了

    docker pull pytorch/pytorch:1.8.1-cuda11.1-cudnn8-runtime
    

    2)注意,在启动镜像前需要确保已安装NVIDIA Container Toolkit,否则会报错(若已安装可直接跳过此步骤):

    docker: Error response from daemon: could not select device driver "" with capabilities: [[gpu]].
    

    安装NVIDIA Container Toolkit,参考官方文档:https://github.com/NVIDIA/nvidia-docker
    这里以Centos7为例:

    • 首先根据你的系统类型以及版本下载对应.repo文件到/etc/yum.repos.d
    distribution=$(. /etc/os-release;echo $ID$VERSION_ID) \
       && curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.repo | sudo tee /etc/yum.repos.d/nvidia-docker.repo
    
    • 清空yum的过期缓存数据(如果不是root用户需要加sudo)
    yum clean expire-cache
    
    • 安装NVIDIA Container Toolkit(如果不是root用户需要加sudo)
    yum install -y nvidia-docker2
    
    • 重启docker服务(如果不是root用户需要加sudo)
    systemctl restart docker
    

    3)通过docker启动pytorch1.8.1容器

    docker run --gpus all --rm -it --ipc=host pytorch/pytorch:1.8.1-cuda11.1-cudnn8-runtime
    

    4)进入容器后可以通过nvidia-smi看到所有的GPU设备信息

    smi

    5)接着进入python环境简单测试下pytorch能否正常调用GPU(打印True为成功)

    import torch
    torch.cuda.is_available()
    

    test

    展开全文
  • Linux安装Pytorch GPU版本

    2021-05-13 20:12:56
    输入如下命令,按提示操作 conda clean –a 创建过程及成功后,有如下页面信息 三 安装pytorch 从base切换到上面创建的新虚拟环境, conda activate pytorch_gpu_lsq 查看已安装的cuda版本,查看官网...

    服务器环境:

    Ubuntu 16.04.7

    显卡:2080

    cuda:10.1

    注:若服务器有管理员账户和个人账户,最好在个人账户下重新安装anaconda,否则安装pytorch过程中可能有些库安装失败,由于权限问题,不能删除这些失败的库重新安装。在个人账户下就不存在权限问题。

    一 添加镜像源

    目的:使用默认的源地址下载速度很慢,会出现超时,导致某些第三方库只下载了部分,不完整,最终失败。

    首先查看当前镜像源

    cat ~/.condarc

    或者

    conda config --show channels

    或者

    conda info

    然后添加清华镜像源。参考官网https://mirror.tuna.tsinghua.edu.cn/help/anaconda/https://blog.csdn.net/weixin_39278265/article/details/84782550

    先尝试添加1个镜像源(可以尝试只添加第一个main就够了,路径下包括常用的第三方库如python等,不够的话按需要再添之后几个)。个人最终添加的是如下4个

    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.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch

    然后查看当前镜像源,发现多了刚添加的镜像源网址

    注:如果需要增加更多的镜像源,仿照上面命令继续添加即可。若需求更换其他镜像源,可以把刚才的删除,删除刚添加的镜像源命令:

    conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

    添加镜像源结束后,输入命令

    conda config --set show_channel_urls yes

    conda config --set show_channel_urls yes的意思是从channel中安装包时显示channel的url,这样就可以知道包的安装来源了。

    输入如下命令,清除索引缓存,保证用的是镜像站提供的索引

    conda clean -i

    二 创建虚拟环境

    conda create -n myenv python=3.5.2

    注:移除环境命令,conda remove -n 环境名 --all

    注:报错

    错误1:若5分钟以上后创建失败,报错

    请参考博客https://www.cnblogs.com/tianlang25/p/12433025.html

    错误2:Segmentation fault (core dumped)

    原因:在未加清华镜像源的时候,尝试创建虚拟环境,由于国外镜像源超时导致失败,有些包只下载了部分,产生了历史缓存。需要清空。输入如下命令,按提示操作

    conda clean –a

    创建过程及成功后,有如下页面信息

    三 安装pytorch

    从base切换到上面创建的新虚拟环境,

    conda activate pytorch_gpu_lsq

    查看已安装的cuda版本,查看官网https://pytorch.org/,根据cuda版本和操作系统类型/版本等信息,选择安装哪个版本的pytorch。服务器cuda 10.1,所以安装命令如下

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

    需要一些时间,等待即可。

    展开全文
  • linux安装pytorch-gpu

    2021-07-08 14:30:36
    然后在此选择自己的安装平台、安装方式、语言等,如下图 得到安装命令,如 conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch 然后就可以安装了。如果顺利的话到这就结束了。 但是...

    在线

    首先确认你有显卡,并安装了合适的CUDA驱动,方法见此

    然后在此选择自己的安装平台、安装方式、语言等,如下图

    得到安装命令,如

    conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

    然后就可以安装了。如果顺利的话到这就结束了。

    但是很可能很慢,因为-c pytorch代表的源在国外。因此如果你添加了国内的镜像,可以去掉这一句,直接用

    conda install pytorch torchvision torchaudio cudatoolkit=10.2

    离线

    如果还是很慢,可以考虑手动下载(主要是pytorch的包很大,七百多兆,其他几个很小,在线装就行),离线安装。

    利用上述命令提示的信息(运行之,查看信息,但拒绝其下载安装的请求),如

    得到自己需要的安装包信息,然后搜索下载。如上图中显示我本来要下载的安装包是

    pytorch-1.9.0-py3.8_cuda10.2_cudnn7.6.5_0

    可以在各镜像源如此处找到此安装包。

    下载后进入到安装包存放的目录,使用如下命令安装:

    conda install --offline pytorch-1.9.0-py3.8_cuda10.2_cudnn7.6.5_0.tar.bz2

    如果torch和torchvision都是手动安装,注意它们的版本要匹配:

    详见此处

    检验

    在python中运行

    import torch
    print(torch.__version__)
    print(torch.cuda.is_available())  # 得到True

    pip安装

    以上是用conda安装,实际上在国内好像用pip装更快速方便些,直接

    pip install torchvision

    找出来就是gpu版,并附带找到对应的pytorch。

    展开全文
  • 安装 GPU 版本的 pytorch6. 检查是否安装成功总结 1. 前言 关于conda 下面我的安装过程使用的是 miniconda ,而不是完整的 Anaconda。 原因如下: conda是一个环境管理工具,它可以解决很多库之间的依...
  • 日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow ...1.官网下载安装:https://pytorch.org/get-started/locally/ 2.执行命令:conda install pytorch torchvision cudatoolkit=10.1 -c pytorch 3.比如我...
  • Ubuntu18.04下安装深度学习框架PytorchGPU加速)

    万次阅读 多人点赞 2018-09-18 11:43:38
    经过接近一天的奋战,博主成功在linux系统安装GPU加速的pytorch,博主使用的发行版是Ubuntu18.04。 说一下CUDA和CUDNN都是啥吧。 CUDA(Compute Unified Device Architecture),是英伟达公司推出的一种基于新的...
  • 现在一般租的远程服务器都会自带Anaconda环境 我们只要创建对应的虚拟环境,简单配制即可 ...然后在pytorch官网找到安装命令, conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10
  • 从头开始装的,这两个博客亲测有用! https://blog.csdn.net/sdu_hao/article/details/104325364 https://blog.csdn.net/sdu_hao/article/details/88421113 这个可以参考 ...
  • win10+1050ti 安装 pytorch-gpu

    千次阅读 2020-07-17 22:31:28
    win10+1050ti 安装 pytorch-gpu1.Cuda的下载安装及配置1.1. 查看显卡1.2. 下载 cuda1.3. 安装 cuda1.4. 配置环境变量1.5. 测试安装2. CUDNN的下载及配置2.1 下载 cudnn2.2....win10下pytorch-gpu安装以及CUD
  • 本文就以在2080ti显卡服务器上安装pytorch-gpu版本为例。 首先输入python 可以看到这个服务器是已经安装好anaconda了,我们直接使用conda命令进行安装即可 conda info -e 可以看到我之前安装的tensorflow...
  • linux安装anaconda 一定要进入anaconda官网 查看对应的你想安装的python3.x and linux的版本–即sh文件例如(Anaconda3-5.2.0-Linux-x86_64.sh)。然后利用 bash Anaconda3-5.2.0-Linux-x86_64.sh 即可。最后或有一...
  • 激活环境,安装pytorch-gpu,torchvision 在官网查找和cuda对应的版本https://pytorch.org/get-started/previous-versions/ conda activate your_name pip install torch==1.2.0 torchvision==0.4.0
  • Linux环境下GPU版本的pytorch安装

    千次阅读 2019-07-07 10:47:54
    恰逢这一段时间国内的开源镜像都不太好用,又突然间要用...环境:Anconda3(Python3.7)+ CUDA9.0 + linux(64位),安装的是 pytorch (torch 0.4.1 + torchvision0.2.1) 第一步:安装anaconda(配置python环...
  • 安装 :win10 + CUDA 11.0 + cuDNN8.0.2 + Pytorch-gpu

    千次阅读 热门讨论 2020-08-07 10:35:15
    安装 :win10 + CUDA 11.0 + cuDNN8.0.2 + Pytorch-gpu ...安装CUDA和cuDNN时,请先打开Pytorch-gpu安装命令链接查看Pytorch是否有发布支持cuda11.0的binaries版本。 结果如下图: 可以看到,此时并无支持cud
  • 不是标题党,本文是介绍如何使用一行命令用conda安装pytorch-gpu运行环境。当然,能够一行安装环境前提是你已经正确安装了nvidia的GPU驱动和anaconda/miniconda管理工具。 安装GPU驱动 首先当然需要安装好nvidia的...
  • Centos7 安装Tensorflow2.1 GPU以及Pytorch1.3 GPU(CUDA10.1)

    千次阅读 多人点赞 2020-01-11 11:36:05
    这两天GPU设备到了,然后搭建下环境,顺便记录安装流程(注意这里是Centos7),我们先看下安装tensorflow2.1 GPUPytorch1.3 GPU所需的环境。 当前tensorflow的最新稳定版本是2.1,根据**官网的要求: 需要CUDA...
  • (超简单)Ubuntu/linux上搭建pytorch-gpu环境1.下载miniconda/conda 1.下载miniconda/conda conda和miniconda可选择在清华镜像源中下载,这样下载速度可大大加快。 清华镜像源网址为:...
  • 本文主要是介绍在Ubuntu系统下安装torch-gpu版和tensorflow-gpu版. 配置 因为两者均是GPU版本和python版,因此所需要的配置环境几乎一模一样。 在正式安装torch和tensorflow之前,需要安装以下软件: 安装cuda...
  • Anaconda下安装Pytorch-GPU版一、Anaconda创建、激活、退出、删除虚拟环境1.1 创建虚拟环境1.2激活虚拟环境1.3退出虚拟环境1.4删除虚拟环境1.5管理包二、matplotlib中文显示问题2.1中文字体2.2 matplotlib...-gpu安装...
  • 到清华镜像下载对应版本的pytorch包https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/ cd 到下载好的目录下: conda install --offline pytorch-1.0.1-py3.6_cuda8.0.61_cudnn7.1.2_0.t...
  • pytorch-gpu安装教程

    千次阅读 2020-11-27 17:08:07
    1、先确定你的python版本,方法是去cmd输入python回车,就可以看见了。比如 ...4、如果第3步检测出来支持GPU加速,需要下载和安装cuda和cudnn。 链接:https://pan.baidu.com/s/1Cdv8yVbdjRPGusMjPXbq
  • 记录linux系统安装GPUpytorch 1、确认服务器是否有显卡 执行如下命令: lspci | grep -i nvidia 1)如果没有任何输出信息则代表服务器中没有显卡 2)如果输出NVIDIA相关信息则代表服务器中有显卡 2、安装显卡驱动...
  • pytorch-GPU版本安装

    2019-07-06 15:03:48
    1、安装过程 1.1 首先安装驱动 1.1.1 先卸载原有驱动 sudo apt-get remove --purge nvidia* 1.1.2禁用nouveau驱动 sudo gedit /etc/modprobe.d/blacklist.conf 在文件最后添加: blacklist nouveau ...
  • Ubuntu Pytorch-GPU安装

    2020-03-23 21:25:52
    CUDA又挂了,第三次重装了,吐了 https://blog.csdn.net/wuzhiwuweisun/article/details/82753403
  • pytorch 是不分cpu和gpu版本的. 要使用gpu加速,只需执行以下步骤: 1.安装NVIDIA显卡驱动 最简单的方法:用电脑自带的驱动管理器安装,安装nvidia驱动前应该删去nouveau(开源)驱动. 2.安装cuda nvidia-384对应...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 6,525
精华内容 2,610
关键字:

linuxpytorch安装gpu

linux 订阅