程序员经验分享-hwhale

Anaconda 更换镜像源、创建虚拟环境并安装 PyTorch

2023-11-07

1.更换镜像源

北京外国语大学开源软件镜像站：https://mirrors.bfsu.edu.cn/help/anaconda/

Windows 用户无法直接创建名为 .condarc 的文件，可先执行如下命令生成 .condarc 之后再修改。

conda config --set show_channel_urls yes

生成的 .condarc 存储在 C:\Users\账户名 目录下：

在这里插入图片描述

用记事本打开 .condarc，将镜像站提供的如下内容拷贝进去：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud
  msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud
  bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud
  menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud
  pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.bfsu.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud

运行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

查看 conda 的所有配置信息：

conda config --show

查看现在用的是哪些源：

conda config --show channels

conda config --show-sources

2.选择合适的 CUDA Runtime 版本

2.1 CUDA Runtime 版本不能高于 CUDA Driver 版本

如下图所示，我们使用 PyTorch 训练深度学习模型的时候，首先调用的是 PyTorch 提供的 API，然后又去调用 CUDA Runtime API，接着又去调用底层的 CUDA Driver API，从而利用显卡完成复杂的计算。因此，必须保证 CUDA Runtime 版本不能高于 CUDA Driver 版本。

在这里插入图片描述

CUDA Driver 版本是跟显卡驱动绑定在一起的，打开 GeForce Experience，更新显卡驱动（相当于更新 CUDA Driver 版本）：

在这里插入图片描述

win + R 输入 cmd，在命令行窗口中输入 nvidia-smi，如下图所示，可以看到显卡驱动版本是 528.02，CUDA Driver 版本是 12.0，CUDA Driver 版本指的是显卡驱动支持的最高 CUDA Runtime 版本，也就是说，要安装的 CUDA Runtime 版本不能高于 12.0。

在这里插入图片描述

2.2 根据显卡的算力和架构确定 CUDA Runtime 版本

查看显卡的算力：https://developer.nvidia.com/cuda-gpus

如下图所示，以我的笔记本 RTX3060 为例，算力是 8.6。

在这里插入图片描述

查看显卡的算力、架构、及其所支持的 CUDA Runtime 版本：https://en.wikipedia.org/wiki/CUDA

如下图所示，以我的笔记本 RTX3060 为例，架构是 Ampere，算力是 8.6，同时满足这两个条件的 CUDA Runtime 版本有：11.1 - 11.4、11.5 - 11.7.1、11.8、12.0。

在这里插入图片描述

在这里插入图片描述

2.3 找到安装 PyTorch 的命令行

PyTorch 官网提供的最新版本：https://pytorch.org/get-started/locally/

PyTorch 官网提供的之前版本：https://pytorch.org/get-started/previous-versions/

综合考虑显卡的算力、架构、CUDA Driver 版本，最终决定安装 PyTorch1.12.1 + CUDA11.6，在官网找到的安装命令如下：

在这里插入图片描述

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge

至此，我们费了好大的功夫其实只是为了获得一行安装命令，然后就可以在 Anaconda 的虚拟环境中执行这条安装命令了。

3.在 Anaconda 中管理虚拟环境并安装 PyTorch

3.1 查看所有虚拟环境

使用如下命令可以查看 Anaconda 中的所有环境，如下图所示，默认只有 base 环境：

conda env list

conda info --envs

conda info -e

在这里插入图片描述

3.2 创建虚拟环境

首先需要选择正确的 Python 版本，如下图所示，对于每个 PyTorch 版本，都有其对应的 Python 版本要求，比如我想安装的是 PyTorch1.12.1，其对应的 Python 版本要求为 3.7 ~ 3.10。

在这里插入图片描述

使用如下命令创建虚拟环境：

conda create --name mytorch1.12 python=3.9

创建的虚拟环境默认存储在 Anaconda 安装目录下的 envs 文件夹下：

在这里插入图片描述

如果想在指定路径下创建虚拟环境，那么可以执行如下命令，这种写法的弊端就是以后每次用到环境名称的时候都需要带上完整的路径。

conda create --prefix=E:\dev\AnacondaEnv\mytorch python=3.9

3.3 切换/激活虚拟环境

切换/激活虚拟环境：

conda activate mytorch1.12

在这里插入图片描述

如果当初创建虚拟环境时指定了路径，那么可以执行如下命令切换/激活（必须写上完整路径）：

conda activate E:\dev\AnacondaEnv\mytorch

3.4 查看当前环境下安装的所有包

conda list

在这里插入图片描述

3.5 安装 PyTorch

在创建好的虚拟环境中，执行 PyTorch 官网提供的安装命令：

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge

其中 -c 参数用来指定从哪个软件源下载，默认从 pytorch 和 conda-forge 这两个官方源下载，速度很慢且不稳定。

因为我已经更换好了镜像源，所以这里的 -c pytorch 和 -c conda-forge 会从北京外国语大学开源软件镜像站下载。

在这里插入图片描述

3.6 退出虚拟环境

使用如下命令退出虚拟环境：

conda deactivate

3.7 删除虚拟环境

执行如下命令删除虚拟环境：

conda remove --name mytorch1.12 --all

如果当初创建虚拟环境时指定了路径，那么可以执行如下命令将其删除（必须写上完整路径）：

conda remove --prefix=E:\dev\AnacondaEnv\mytorch --all
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

PythonPyTorch

Anaconda

CUDA

Pytorch

Anaconda 更换镜像源、创建虚拟环境并安装 PyTorch 的相关文章

  • CUDA 8 编译错误 -std=gnu++11

    我正在尝试转换一些代码以使用 CUDA 并且我认为我遇到了兼容性问题 我们使用CMake 这些是我使用的 gcc 和 CUDA 版本 gcc version gcc Ubuntu 5 4 0 6ubuntu1 16 04 5 5 4 0 2

  • CUDA 添加矩阵的行

    我试图将 4800x9600 矩阵的行加在一起 得到一个 1x9600 的矩阵 我所做的是将 4800x9600 分成 9 600 个矩阵 每个矩阵长度为 4800 然后我对 4800 个元素进行缩减 问题是 这真的很慢 有人有什么建议吗

  • CUDA Thrust 库中counting_iterators 的用途和用法

    我很难理解counting iterator在 CUDA 的推力库中 它的目的是什么以及如何使用 它在其他编程语言 例如 C 中也可用吗 计数迭代器只是一个迭代器 它从每次迭代器递增时前进的序列中返回下一个值 最简单的例子是这样的 incl

  • caffe安装：opencv libpng16.so.16链接问题

    我正在尝试在 Ubuntu 14 04 机器上使用 python 接口编译 caffe 我已经安装了 Anaconda 和 opencvconda install opencv 我还安装了咖啡中规定的所有要求 并更改了注释块makefile

  • “以下软件包将被更高优先级的频道取代”是什么意思？

    我正在尝试将 fuzzywuzzy 安装到 64 位 Linux 中的 Anaconda 发行版上 当我这样做时 它试图改变我的conda and conda env to conda forge渠道 如下 我通过以下方式在 anacond

  • 使用 Huggingface 变压器仅保存最佳权重

    目前 我正在使用 Huggingface transformers 构建一个新的基于 Transformer 的模型 其中注意力层与原始模型不同 我用了run glue py检查我的模型在 GLUE 基准测试上的性能 但是 我发现huggi

  • 我们如何在每次运行时使用不同的种子在 CUDA C 中生成随机数？

    我正在研究一个随机过程 我想在每次运行程序时在 CUDA 内核中生成不同的系列随机数 这类似于我们在 C 中声明 种子 时间 空 接下来是 srand 种子 和兰特 我可以通过内核将种子从主机传递到设备 但是 这样做的问题是我必须将整个种子

  • 如何安装libcusolver.so.11

    我正在尝试安装 Tensorflow 但它要求 libcusolver so 11 而我只有 libcusolver so 10 有人可以告诉我我做错了什么吗 这是我的 Ubuntu nvidia 和 CUDA 版本 uname a Lin

  • anaconda 和 Spyder 中的包加载错误

    我在 Anaconda 4 3 1 的 Spyder 3 1 4 中编辑了三个 python 2 7 文件 1 TestClass py Just define a class import numpy as np class TestCl

  • 如何在 Jupyter Notebook 内的 conda 环境中使用特定的 Java 版本

    我的总体目标是使用sparklyr在 Jupyter 实验室的 Azure 云服务上的 R Jupyter 笔记本中 我使用 R sparklyr 和 Java 8 创建了一个新的 conda 环境 因为这是 Sparklyr 支持的版本

  • 布尔实现的atomicCAS

    我想弄清楚是否存在错误答案 https stackoverflow com a 57444538 11248508 现已删除 关于Cuda like的实现atomicCAS for bool是 答案中的代码 重新格式化 static inl

  • 找不到文件 setuptools-27.2.0-py3.5.egg

    这个问题适用于Python 3 5 2 在Windows 10 64位 上使用Anaconda 4 3 0 当我尝试使用 pip 安装软件包时 出现以下错误 Command python setup py egg info failed w

  • cudaMalloc使用向量>进行管理 > C++ - NVIDIA CUDA

    我正在通过 NVIDIA GeForce GT 650M GPU 为我创建的模拟实现多线程 为了确保一切正常工作 我创建了一些辅助代码来测试一切是否正常 在某一时刻 我需要更新变量向量 它们都可以单独更新 这是它的要点 device int

  • 带有填充掩码的 TransformerEncoder

    我正在尝试使用 src key padding mask 不等于 none 来实现 torch nn TransformerEncoder 想象输入的形状src 20 95 二进制填充掩码的形状为src mask 20 95 填充标记的位置

  • 如何转储所有 NVCC 预处理器定义？

    我想达到同样的效果 gcc dM E lt dev null 如所描述的here https stackoverflow com q 2224334 1593077 但对于 nvcc 也就是说 我想转储所有 nvcc 的预处理器定义 唉 n

  • 安装后 Anaconda 提示损坏

    我刚刚安装张量流GPU创建单独的后环境按照以下指示here https github com antoniosehk keras tensorflow windows installation 但是 安装后当我关闭提示窗口并打开新航站楼弹出

  • 设置 torch.gather(...) 调用的结果

    我有一个形状为 n x m 的 2D pytorch 张量 我想使用索引列表来索引第二个维度 可以使用 torch gather 完成 然后然后还设置新值到索引的结果 Example data torch tensor 0 1 2 3 4

  • 循环标记时出现“ValueError：无法识别的标记样式 -d”

    我正在尝试编码pyplot允许不同标记样式的绘图 这些图是循环生成的 标记是从列表中选取的 为了演示目的 我还提供了一个颜色列表 版本是Python 2 7 9 IPython 3 0 0 matplotlib 1 4 3 这是一个简单的代

  • 为 Anaconda Python 安装 psycopg2

    我有 Anaconda Python 3 4 但是每当我运行旧代码时 我都会通过输入 source activate python2 切换到 Anaconda Python 2 7 我的问题是我为 Anaconda Python 3 4 安

  • 如何使用Conda下载python包并随后离线安装？

    我知道通过 pip 我可以使用以下命令下载 Python 包 但 pip install 破坏了我的内部包依赖关系 当我做 pip download

随机推荐

  • 基于vmdk文件创建虚拟机

    基于vmdk文件创建虚拟机 1 准备vmdk文件 下载地址如下 链接 https pan baidu com s 1coQuZw8cgg5oU5bSegsS7Q pwd 5mv0 提取码 5mv0 账号 密码 root sinzuo 2 创

  • react 函数组件和class组件的区别

    一 组件的定义 1 class组件 继承React Component 且需要创建render方法来返回元素 class Welcome extends React Component render return h1 Hello this

  • 使用gdb调试多进程和多线程

    GDB调试多进程 1 默认设置下 在调试多进程程序时GDB只会调试主进程 但是GDB gt V7 0 支持多进程的分别以及同时调试 换句话说 GDB可以同时调试多个程序 只需要设置follow fork mode 默认值 parent 和d

  • 查看pcie总线上的设备ID以及带宽计算

    1 获取设备在pcie总线上的ID lspci 00 00 0 Class 0600 Device 8086 190f rev 07 00 01 0 Class 0604 Device 8086 1901 rev 07 00 01 1 Cl

  • 用python解“计算工资”题

    7 10 计算工资 某公司员工的工资计算方法如下 一周内工作时间不超过40小时 按正常工作时间计酬 超出40小时的工作时间部分 按正常工作时间报酬的1 5倍计酬 员工按进公司时间分为新职工和老职工 进公司不少于5年的员工为老职工 5年以下的

  • v-show和v-if有何异同？

    v show 用于根据条件展示元素 带有 v show 指令的元素始终会被渲染并保留在 DOM 中 v show 只是简单地切换元素的 CSS property display 注意 v show 不支持

  • SQL Server(三)-查询数据（3）

    多表连接查询和子查询 两表连接查询 多表连接查询 左外 右外 全外连接查询 组合查询 子查询 在SSMS的查询设计器中设计查询1 连接查询 1 使用无连接规则连接两表 不设置WHERE子句 所谓无连接规则连接 就是指连接两表的SELECT语

  • PPT怎么切换不同的母版

    首先选中要改变母版的PPT 右击鼠标出现菜单栏 选择版式 版式里面有所有的幻灯片母版可供选择

  • STM32------PWM

    文章目录 前言 一 PWM概述 二 库函数 1 GPIO引脚映射 2 定时器通道1配置 3 定时器通道1比较值 三 PWM1和PWM2模式 1 定义 2 示例 四 dc调光与pwm调光区别 五 呼吸灯源码下载 总结 前言 STM32 PWM

  • centos7防火墙配置详细

    一 条件防火墙是开启的 systemctl start firewalld 1 查看防火墙的配置 firewall cmd state firewall cmd list all 2 开放80端口 firewall cmd permanen

  • 数据挖掘学习（二）——数据探索与清洗

    笔者是一个痴迷于挖掘数据中的价值的学习人 希望在平日的工作学习中 挖掘数据的价值 找寻数据的秘密 笔者认为 数据的价值不仅仅只体现在企业中 个人也可以体会到数据的魅力 用技术力量探索行为密码 让大数据助跑每一个人 欢迎直筒们关注我的公众号

  • 我遇到的BUG：WSL2 忘记用户密码

    我之前忘记了WSL的密码 在网上看了很多瞎写的博文 没起到作用 后来偶然看到一篇文章 解决了这个问题 要在WSL中重置用户密码 需要 在windows命令行里将默认用户切换为root 在WSL里重置用户密码 在windows命令行里将默认用

  • sqlServer数据库索引

    08 索引 8 1 定义 对数据库表中一个或者多个列进行排序的结构 有助于更快的获取信息 是用来获取定位的 8 2 作用 加快数据检索 保证数据的一致性 实现表与表之前的参照完整性 副作用 创建索引会占用空间并耗费一定的时间 创建索引会减慢

  • 【可解释性机器学习】interpretable machine learning——Functional Decomposition

    Functional Decomposition 机器学习中的监督学习模型可被视为一个函数 该函数将高维特征向量作为输入 然后产生预测或分类概率作为输出 函数分解 functional decomposition 分解高维函数并将其表达为可

  • 常见前端安全问题概述

    随着互联网的高速发展 安全问题已成为企业最关注的焦点之一 而前端又是容易引发安全问题的 窗口 作为开发人员的我们 更需要充分了解如何预防和修复安全漏洞 本文将列举常见的前端安全问题 希望对你有所帮助 本文将从以下几种安全问题展开介绍 XSS

  • Jmeter中csvRead函数的使用

    当想要脚本随机传参数时 可以结合csvRead和Random函数使用 也相当于参数化的一种用法 想了解其他参数化方法的读者 可以参考上一篇文档 1 事先准备好存储数据的文档 注意 数据之间使用英文逗号隔开 否则后面随机抽取数据时没有抽取到

  • 【yarn】yarn Job 状态机正常执行流程

    1 概述 今天6月1日 节日值得发个文章 庆祝一下 上一篇文章 Yarn Yarn Service端如何处理客户端提交的任务 在上一篇文章中 我们知道服务器接收到客户端提交的任务之后 会启动多个状态机进行联合操作 最终来解决任务提交之后的全

  • JS内置对象Math的常用方法

    JS内置对象Math的常用方法 1 向上取整 Math ceil 2 向下取整 Math floor 3 四舍五入 Math round 4 绝对值 Math abs 最大值 Math max 最小值 Math min 7 随机数 Math

  • 5 种方法重复执行历史命令

    Linux 下 如果要执行一条或多条之前输过的指令 要怎么处理 很多人会想到使用上下箭头去翻查历史输入的命令 这当然是可以了 除了这种方法 本文再介绍另外 5 种方法来实现这样的效果 在正式开始之前 我们先随便执行几条命令 便于后面演示 为

  • Anaconda 更换镜像源、创建虚拟环境并安装 PyTorch

    文章目录 1 更换镜像源 2 选择合适的 CUDA Runtime 版本 2 1 CUDA Runtime 版本不能高于 CUDA Driver 版本 2 2 根据显卡的算力和架构确定 CUDA Runtime 版本 2 3 找到安装 Py

热门标签