解决方案:2024年Pytorch(GPU版本)+ torchvision手动安装教程[万能安装方法] win64、linux、macos、arm、aarch64均适用

中杯可乐多加冰 2024-07-12 16:07:05 阅读 57

目录

一、Pytorch手动安装1.1、前提准备1.2、创建虚拟环境1.3、搜索Pytorch包1.4、选择下载符合配置的Pytorch包1.4、安装离线包

二、 torchvision手动安装2.1、查找对应的版本2.2、安装torchvision

对于深度学习新手和入门不久的同学来说,在安装PyTorch和torchvision 时经常会遇到各种各样的问题。这些问题可能包括但不限于:

PyTorch与CUDA对不上:当前PyTorch版本要求的CUDA版本与系统中已安装的CUDA版本不匹配时。PyTorch和Python版本对不上:所选择的PyTorch版本与系统中已安装的Python版本不兼容。安装的PyTorch无法适用操作系统: 当前PyTorch版本不支持系统中已安装的操作系统,比如操作系统为aarch64。安装的PyTorch总是CPU版本: 安装的PyTorch始终是CPU版本而非GPU版本,无法调用CUDA。安装PyTorch一直卡顿因为网络问题或者镜像问题导致下载速度慢,卡顿崩溃。

本文介绍一种手动离线安装Pytorch方法,不用再更改镜像,不用挂代理,适用于解决各种安装中的各种疑难杂症

一、Pytorch手动安装

1.1、前提准备

要安装Pytorch首先你需要安装好对应你GPU型号的CUDA、CUDNN、Anaconda或Miniconda。

以上这些在网络上有很多现成的教程,这里不再赘述。

1.2、创建虚拟环境

在安装Pytorch之前,必须创建一个自己的虚拟环境,其可以帮助你管理项目的依赖项,避免与其他项目的依赖冲突,并提供一个干净的环境用于安装和运行PyTorch,这里选择新建一个python3.8的虚拟环境:

<code>conda create --name py38 python=3.8

然后等待虚拟环境初始化安装完毕。

1.3、搜索Pytorch包

进入Anaconda官方网站:https://anaconda.org/

在这里插入图片描述

在Search Packages栏输入pytorch搜索离线安装包,然后选择一个Favorites多的或者下载量多,这里推荐打开第一个pytorch官方源或者conda-forge源的,注意,如果操作系统内核为aarch64需要寻找后面Platforms带aarch64的:

在这里插入图片描述

打开后可以看到该包的详细信息,包括License、主页、下载量、最近更新,这里可以不用管,直接点击上方的Labels

在这里插入图片描述

进入文件的选择页面。

1.4、选择下载符合配置的Pytorch包

进入之后,会有很多包供选择,眼花缭乱,也包括了最新更新的2.x版本,这里可以选择版本号进行筛选,我们选择比较稳定的1.11.0版本:

在这里插入图片描述

然后根据我们本机的配置来选择相应的包,举个例子比如本机的配置为:

操作系统:常规Linux的64位系统Python版本:3.8CUDA版本:11.3CUDNN版本:8.2.0

那么就可以选择对应的版本=====》下载linux-64/pytorch-1.11.0-py3.7_cuda11.3_cudnn8.2.0_0.tar.bz2 这个.bz2包。

在这里插入图片描述

再举个例子,比如机器配置是:操作系统:Win-64Python版本:3.8CUDA版本:11.6

需要下载Pytorch1.13.0的,选择 win-64/pytorch-1.13.0-py3.8_cuda11.6_cudnn8_0.tar.bz2

在这里插入图片描述

注意事项1:不要下载名称中带cpu的包,其无法调用你的CUDA或者GPU

注意事项2:下载后缀为.tar.bz2的安装包最佳,.conda的包实测不太好用

1.4、安装离线包

下载好之后,将该.tar.bz2的安装包丢到conda的pkgs目录中,Anaconda3/pkgs/目录下,如果是Miniconda就丢到miniconda3/pkgs/下,如图所示:

在这里插入图片描述

然后cd到这个目录,输入相对应的指令进行安装

<code>conda install --use-local xxxx.tar.bz2(xxxx.tar.bz2是包的绝对路径)

如:conda install --use-local linux-64/pytorch-1.11.0-py3.7_cuda11.3_cudnn8.2.0_0.tar.bz2,等待片刻后,即可安装成功。

测试Pytorch是否安装成功和是否能够调用GPU,可以运行Python脚本:

import torch

if torch.cuda.is_available():

print("GPU is available") // 查看GPU设备是否可用

else:

print("GPU is not available")

print(torch.cuda.get_device_name(0)) // 查看GPU设备信息

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

x = torch.tensor([1, 2, 3])

x = x.to(device) // 在GPU上运行Tensor

二、 torchvision手动安装

2.1、查找对应的版本

torchvision需要和pytorch的版本对应才能正常使用,在官方git库中提供了这样的对应关系:https://github.com/pytorch/vision,往Readme下面翻就可以看到

在这里插入图片描述

这里展示部分对应关系:

torch torchvision Python
2.2 0.17 >=3.8, <=3.11
2.1 0.16 >=3.8, <=3.11
2.0 0.15 >=3.8, <=3.11
1.13 0.14 >=3.7.2, <=3.10
1.12 0.13 >=3.7, <=3.10
1.11 0.12 >=3.7, <=3.10
1.10 0.11 >=3.6, <=3.9
1.9 0.10 >=3.6, <=3.9
1.8 0.9 >=3.6, <=3.9
1.7 0.8 >=3.6, <=3.9
1.6 0.7 >=3.6, <=3.8
1.5 0.6 >=3.5, <=3.8
1.4 0.5 ==2.7, >=3.5, <=3.8
1.3 0.4.2 / 0.4.3 ==2.7, >=3.5, <=3.7
1.2 0.4.1 ==2.7, >=3.5, <=3.7
1.1 0.3 ==2.7, >=3.5, <=3.7
<=1.0 0.2 ==2.7, >=3.5, <=3.7

2.2、安装torchvision

找到对应版本后,以同样的方式搜索torchvision包,找到需要的.tar.bz2包进行下载

在这里插入图片描述

最后以同样的方式进行安装就ok啦,测试torchvision是否安装成功:

<code>import torchvision

# 检查版本

print("torchvision 版本:", torchvision.__version__)



声明

本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。