Anaconda配置各版本Pytorch的实现

目录
  • 1. 前言
  • 2. 配置镜像源
  • 3. pytorch,torchvision,python 版本对应
  • 4. 创建并进入虚拟环境
  • 5. Pytorch 0.4.1
  • 6. Pytorch 1.0.0
  • 7. Pytorch 1.0.1
  • 8. Pytorch 1.1.0
  • 9. Pytorch 1.2.0
  • 10. Pytorch 1.4.0
  • 11. Pytorch 1.5.0
  • 12. Pytorch 1.5.1
  • 13. Pytorch 1.6.0
  • 14. Pytorch 1.7.0
  • 15. Pytorch 1.7.1
  • 16. Pytorch 1.8.0
  • 17. Pytorch 1.9.0
  • 18. 测试是否安装成功

1. 前言

利用 Anaconda 配置 Pytorch 深度学习环境时利用官网链接给出的安装指令安装会很慢,而且经常报错,为此整理目前全版本 pytorch 深度学习环境配置指令,以下指令适用 Windows 操作系统,在 Anaconda Prompt 中运行。

2. 配置镜像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

3. pytorch,torchvision,python 版本对应

pytorch,torchvision,python 三者的对应关系来源于 pytorch 官方 github,链接:https://github.com/pytorch/vision#installation

4. 创建并进入虚拟环境

创建一个虚拟环境,其中 pt 是自定义虚拟环境名称,另外根据踩坑经验 python 3.6.5 版本可以适配所有版本的 pytorch,建议创建环境时 python 解释器版本选择 3.6.5 版本。

conda create -n pt python=3.6.5

随后点击 y 同意安装,等待一会进入虚拟环境。

activate pt

5. Pytorch 0.4.1

conda install pytorch==0.4.1 torchvision==0.2.1 cuda90  # CUDA 9.0
conda install pytorch==0.4.1 torchvision==0.2.1 cuda92  # CUDA 9.2
conda install pytorch==0.4.1 torchvision==0.2.1 cuda80  # CUDA 8.0
conda install pytorch==0.4.1 torchvision==0.2.1 cuda75  # CUDA 7.5
conda install pytorch==0.4.1 torchvision==0.2.1 cpuonly  # CPU 版本

6. Pytorch 1.0.0

conda install pytorch==1.0.0 torchvision==0.2.1 cuda100  # CUDA 10.0
conda install pytorch==1.0.0 torchvision==0.2.1 cuda90  # CUDA 9.0
conda install pytorch==1.0.0 torchvision==0.2.1 cuda80  # CUDA 8.0
conda install pytorch-cpu==1.0.0 torchvision-cpu==0.2.1 cpuonly  # CPU 版本

7. Pytorch 1.0.1

conda install pytorch==1.0.1 torchvision==0.2.2 cudatoolkit=9.0  # CUDA 9.0
conda install pytorch==1.0.1 torchvision==0.2.2 cudatoolkit=10.0  # CUDA 10.0
conda install pytorch-cpu==1.0.1 torchvision-cpu==0.2.2 cpuonly  # CPU 版本

8. Pytorch 1.1.0

conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0  # CUDA 9.0
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=10.0  # CUDA 10.0
conda install pytorch-cpu==1.1.0 torchvision-cpu==0.3.0 cpuonly  # CPU O版本

9. Pytorch 1.2.0

conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0  # CUDA 10.0
conda install pytorch==1.2.0 torchvision==0.4.0 cpuonly  # CPU 版本

10. Pytorch 1.4.0

conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.4.0 torchvision==0.5.0 cpuonly  # CPU 版本

11. Pytorch 1.5.0

conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.5.0 torchvision==0.6.0 cpuonly  # CPU 版本

12. Pytorch 1.5.1

conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.5.1 torchvision==0.6.1 cpuonly  # CPU 版本

13. Pytorch 1.6.0

conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.6.0 torchvision==0.7.0 cpuonly  # CPU 版本

14. Pytorch 1.7.0

conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=11.0  # CUDA 11.0
conda install pytorch==1.7.0 torchvision==0.8.0 cpuonly  # CPU 版本

15. Pytorch 1.7.1

conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=11.0  # CUDA 11.0
conda install pytorch==1.7.1 torchvision==0.8.2 cpuonly  # CPU 版本

16. Pytorch 1.8.0

conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=11.1  # CUDA 11.1
conda install pytorch==1.8.0 torchvision==0.9.0 cpuonly  # CPU 版本

17. Pytorch 1.9.0

conda install pytorch==1.9.0 torchvision==0.10.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.9.0 torchvision==0.10.0 cudatoolkit=11.1  # CUDA 11.1
conda install pytorch==1.9.0 torchvision==0.10.0 cpuonly  # CPU 版本

18. 测试是否安装成功

  • CPU 版本测试:继续运行 python 进入交互式环境,分别运行 import torchimport torchvision 不报错则安装成功。
  • GPU 版本测试:继续运行 python 进入交互式环境,分别运行 import torchimport torchvision 不报错, 再运行 print(torch.cuda.is_available()) 输出 Ture 则表示安装成功。

到此这篇关于Anaconda配置各版本Pytorch的实现的文章就介绍到这了,更多相关Anaconda配置Pytorch内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

(0)

相关推荐

  • Anaconda配置pytorch-gpu虚拟环境的图文教程

    1.更新NVIDIA驱动 选对应自己显卡的驱动,(选studio版本,不要game版本)驱动链接 2.添加Anaconda清华镜像 方法一:anaconda命令替换 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/c

  • Anaconda+spyder+pycharm的pytorch配置详解(GPU)

    第一步 : 从清华大学开源软件镜像站下载Anaconda:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D 安装过程中需要勾选如下图 装好后测试是否装好,先配置环境变量(可能anaconda安装好后自己就有了) 打开CMD,输入代码 conda list 回车出现包的信息则说明安装完成 打开Anaconda Navigator(桌面没有的话就点击左下角看最近添加)可以看到spyder已经下好了 第二步:下载CUDA(GP

  • Anaconda+Pycharm环境下的PyTorch配置方法

    写给新手的话 pycharm是什么,为什么让我指定interpreter 记事本 最开始写C语言代码的时候,人们使用vi,记事本等软件写代码,写完了之后用GCC编译,然后运行编译结果,就是二进制文件.python也可以这样做,用记事本写完代码,保存成如test.py的文件后,通过命令python test.py可以运行这一文件.最初的C语言代码都是通过这种方式写的.但是人们很快发现了一个问题,就是这么弄太麻烦了,编写用vi,运行得切出去用shell,出错了再切回vi改代码.这要是编写.运行.调试

  • Anaconda安装pytorch及配置PyCharm 2021环境

    这里使用的Anaconda是Python 3.8的版本.由于使用清华镜像安装时可能因为访问量过大导致http连接失败,这里使用本地安装. Anaconda安装pytorch 1.进入Anaconda Prompt命令行 2.创建名为 pytorch 的文件夹,这里实际上就是在Ananconda中创建了一个新的Environment. conda create -n pytorch python=版本号 3.激活,进入创建好的Environment activate pytorch 4.前往pyt

  • Anaconda配置各版本Pytorch的实现

    目录 1. 前言 2. 配置镜像源 3. pytorch,torchvision,python 版本对应 4. 创建并进入虚拟环境 5. Pytorch 0.4.1 6. Pytorch 1.0.0 7. Pytorch 1.0.1 8. Pytorch 1.1.0 9. Pytorch 1.2.0 10. Pytorch 1.4.0 11. Pytorch 1.5.0 12. Pytorch 1.5.1 13. Pytorch 1.6.0 14. Pytorch 1.7.0 15. Pytor

  • WIndows10系统下面安装Anaconda、Pycharm及Pytorch环境全过程(NVIDIA GPU版本)

    目录 1.判断电脑是否具有GPU 2. 安装Anaconda 3. 创建虚拟环境 3.1 利用conda命令创建虚拟环境 4. GPU和CUDA准备工作 5. 安装Pytorch 6. 验证Pytorch 7. 安装PyCharm并进行配置 总结 1.判断电脑是否具有GPU 打开电脑任务管理器,进入性能选项,看是否有带有Nvidia的GPU的标识 或者,在桌面点击鼠标右键,看见NVIDIA控制面板也是可以的 2. 安装Anaconda 进入Anaconda的官方网站 Anaconda官网 网站会

  • Anaconda+vscode+pytorch环境搭建过程详解

    1.安装Anaconda Anaconda指的是一个开源的Python发行版本,其包含了conda.Python等180多个科学包及其依赖项.在官网上下载https://www.anaconda.com/distribution/,因为服务器在国外会很慢,建议从清华镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/下载. 2.安装VScode 需要在Anaconda再装VScode,因为Anaconda公司和微软公司的合作,不用在对进

  • 如何在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境

    首先,我们要明确,我们是要在虚拟环境中安装cuda和cuDNN!!!只需要在虚拟环境中安装就可以了. 下面的操作默认你安装好了python 一.conda创建并激活虚拟环境 前提:确定你安装好了anaconda并配置好了环境变量,如果没有,网上有很多详细的配置教程,请自行学习 在cmd命令提示符中输入conda命令查看anaconda 如果显示和上图相同,那么可以继续向下看 1.进入anaconda的base环境 方法1 在cmd命令提示符中输入如下命令 activate 方法2 直接在搜索栏里

  • WIn10+Anaconda环境下安装PyTorch(避坑指南)

    这些天安装 PyTorch,遇到了一些坑,特此总结一下,以免忘记.分享给大家. 首先,安装环境是:操作系统 Win10,已经预先暗转了 Anaconda. 1. 为 PyTorch 创建虚拟环境 关于 Anaconda 的安装步骤这里就忽略不讲了,Win10 下安装 Anaconda 非常简单. 安装 Anaconda 完毕后,我们在安装 PyTorch 之前最好先创建一个 pytorch 的虚拟环境.之所以创建虚拟环境是因为 Python 为不同的项目需求创建不同的虚拟环境非常常见.在实际项目

  • win10系统配置GPU版本Pytorch的详细教程

    一.安装cuda 1.在英伟达官网下载最新版的cuda驱动 https://developer.nvidia.com/zh-cn/cuda-downloads 都选上就行了,然后一路默认安装 输入nvcc -V查看是否安装成功 二.安装pycuda 1.在控制台中输入pip install pycuda 安装pycuda 2.在环境变量中添加cl.exe 3.测试pycuda是否正常运行 import pycuda.driver as drv import pycuda.tools,pycuda

  • PyCharm Anaconda配置PyQt5开发环境及创建项目的教程详解

    1 安装pyqt5 1.1 安装pyqt5 pip install PyQt5 1.2 安装pyqt5常用工具包 pip install PyQt5-tools 1.3 新建main.py编写以下测试代码,验证是否安装成功 import sys from PyQt5.QtWidgets import QWidget, QApplication app = QApplication(sys.argv) widget = QWidget() widget.resize(640, 480) widge

  • SpringBoot集成Druid配置(yaml版本配置文件)详解

    maven 配置 <!-- https://mvnrepository.com/artifact/com.alibaba/druid --> <dependency> <groupId>com.alibaba</groupId> <artifactId>druid</artifactId> <version>1.2.3</version> </dependency> <dependency&g

随机推荐