Win10配置pytorch深度学习环境
⼀、Win10配置pytorch深度学习环境
有⼀台装win10系统的电脑有两张显卡，所以尝试在win10上装环境了，之前在Ubuntu上安装过深度学习环境，相⽐起来还是Ubuntu的命令⾏配环境更⽅便。
1. 安装Anaconda
新建⼀个Python 3.6环境命名为“python36”
之前base(root)环境下是Python 3.8环境，安装pytorch和cuda⼀直失败，所以我重新换了个环境。
2. 在python36中搜索安装cuda
3. 在python36中搜索安装cudnn
4. 安装Pytorch:
在/get-started/locally/中根据win10 cuda版本选择对应的pytorch版本
复制命令⾏“conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch”到“python36”环境中安装。
5. 检验pytorch和cuda:
import torch
print(torch.version)
print(torch.cuda.is_available())
如果输出的是True则安装正确
6. 在anaconda home中，在“python36”环境下install “jupyter notebook”，然后点"launch"打开jupyter notebook
7. 如果conda instal不能安装，⽤pip
例如pip install torchsummary
⼆、运⾏程序时的错误：
(1) 版本问题：
由于直接⽤“pip install pytorch-metric-learning”安装的pytorch-metric-learning版本不对，卸载“pip uninstall pytorch-metric-learning”，然后安装指定版本“pip install pytorch_metric_learning==0.9.94”
(2) 安装错误
ubuntu怎么安装python
pip install SoundFile是没⽤的，需要pip install PySoundFile
三、查看GPU使⽤情况：
win10 cmd输⼊nvidia-smi显⽰没有这个命令，解决办法：System Properties-Advanced-Environment variables-System variables-New 将的存放路径放到系统环境变量中。
variable name: Path
variable value: C:\Program Files\NVIDIA Corporation\NVSMI
查看GPU CPU运⾏情况：
1. 命令⾏nvidia-smi
2. 搜索Task Manager或者快捷键ctrl+alt+delete查看Performance
四、使⽤多张GPU并⾏训练⽹络：
num_gpu = torch.cuda.device_count() # check the number of GPUs
print(’%d GPUs are available’%num_gpu)
model =(“cuda”)
gpu_ids = [0, 1]
model = nn.DataParallel(model, gpu_ids, gpu_ids[0])
the meaning of the parameters:
model：需要训练的并⾏模型
gpu_ids(int类型列表或torch.device)：可⽤的CUDA设备
gpu_ids：输出的设备位置（默认为gpu_id[0]）
五、win10 Jupyter notebook远程连接：
c.NotebookApp.ip = ‘*’
c.NotebookApp.open_browser = False
c.NotebookApp.password=u’密钥’
c.NotebookApp.port = 8888
c.NotebookApp.allow_remote_access = True
这⼏句话后⾯都不要有空格，否则会报错

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。