Directorio de artículos
En segundo lugar, la instalación de Anaconda.
3. Determine el modelo de GPU de la computadora
4. Determine la versión adecuada de CUDA para instalar
5. Cree un entorno virtual e instale el paquete de instalación requerido
6. Descargue PyCharm e importe el entorno PyTorch
prefacio
El uso más común de los entornos de aprendizaje profundo es la cooperación entre Anaconda y PyCharm.
Énfasis: no es necesario descargar paquetes de idioma Python adicionales
Recientemente, para realizar el entrenamiento del algoritmo de segmentación de imágenes a través de la red neuronal, es necesario construir la versión GPU de PyTorch en el sistema Windows. La GPU existente es NVIDIA GeForce RTX 2060 SUPER.
¡Ha llegado la era de la inteligencia artificial, y la inteligencia artificial traerá aceleración en varios campos!
1. ¿Qué es Anaconda?
El proceso de formación de modelos de aprendizaje profundo es como cocinar. Como todos sabemos, los cuchillos, los utensilios y la ropa que se usan en la comida china, occidental y japonesa deben ser diferentes, si hay diferentes salas con diferentes ambientes para cocinar, debe ser conveniente para el chef. Anaconda se utiliza para organizar diferentes entornos de aprendizaje profundo. Puede pensar en Anaconda como una serie de salas pequeñas.
En segundo lugar, la instalación de Anaconda.
Haga clic para descargar: descarga del sitio web oficial de anaconda
Python3.9 en la imagen de arriba se refiere a la Anaconda que se descargará, y la versión más alta de Python3.9 se puede instalar en su pequeña habitación.
Luego haga clic en Descargar
Descarga completa
Haga doble clic para abrir y haga clic en Siguiente hasta que seleccione la dirección guardada, preferiblemente una unidad que no sea C
Después de eso, haga clic en Siguiente
La primera flecha en la figura anterior significa agregar Anaconda a las variables de entorno de la computadora, y se recomienda verificarlo aquí. Porque puede usarse más tarde, como usar pyqt para el desarrollo de la interfaz.
La segunda flecha es opcional y tiene poco efecto.
Luego haga clic en instalar y la instalación se realizará correctamente en el siguiente paso.
El contenido anterior se puede encontrar en el menú de inicio. Significa que Anacond se instaló correctamente.
Después de que Anacond se haya instalado con éxito, ya tiene una habitación pequeña y una herramienta conda. El número de casa de la habitación pequeña se llama base, que ya tiene el lenguaje Python y algunas bibliotecas de Python de uso común. Conda y Anaconda son diferentes. Anaconda es un almacén grande, y se pueden crear muchas habitaciones pequeñas en el almacén grande. Conda es como un pequeño carro, que puede transportar las herramientas necesarias a cada habitación pequeña y también puede llevar las herramientas en el interior.
También podemos usar la herramienta pequeña conda para crear una habitación pequeña en el almacén grande, darle un nombre de casa diferente y luego transportar las cosas a la nueva habitación.
3. Determine el modelo de GPU de la computadora
Abra el administrador de tareas y busque el número de modelo de la GPU. La mía es NVIDIA GeForce RTX 2060 SUPER
Si está seguro de que la GPU se instaló en su computadora pero el administrador de tareas no la muestra, es probable que el controlador de la GPU no esté instalado. Se recomienda usar aquí el controlador maestro 360. Después de descargar y abrir, haga clic en Diagnóstico y detectará automáticamente que el controlador no está instalado, simplemente haga clic en Instalar.
4. Determine la versión adecuada de CUDA para instalar
CUDA es una plataforma de cómputo lanzada por el fabricante de tarjetas gráficas NVIDIA , es un tipo de computación de arquitectura, solo a través de CUDA se puede llamar a la GPU para resolver problemas complejos de cómputo paralelo. Debido a que CUDA es lanzado por NVIDIA, CUDA solo es adecuado para tarjetas gráficas NVIDIA.
Cuando se instala el controlador GPU, también se instalará el controlador Cuda. Debe distinguirse el controlador de Cuda y el tiempo de ejecución de Cuda. El controlador Cuda en el controlador se puede considerar como hardware cuda, y el tiempo de ejecución de Cuda en la figura anterior se puede considerar como software cuda. Cuda runtime es la plataforma informática CUDA que queremos instalar. El modelo de aprendizaje profundo llama al hardware cuda en el software cuda y luego controla la GPU para realizar operaciones de procesamiento de gráficos.
Busque Anaconda Prompt (anaconda) en el menú de inicio y ábralo.
Escriba nvidia-smi y presione enter.
La versión de CUDA aquí: 12.0 es la versión del controlador de Cuda. Y la versión de la plataforma informática CUDA que queremos reinstalar debe satisfacer la versión del tiempo de ejecución de Cuda ≤ versión del controlador de Cuda.
Después de que se produce un determinado tipo de hardware de GPU, tiene una cierta potencia informática, que es un atributo en sí mismo y un valor fijo.
En la siguiente tabla de potencia informática CUDA, encontramos que la potencia informática de la GPU es 7,5 según GeForce RTX 2060 SUPER, y la arquitectura es Turing.
En la figura anterior, la versión CUDA SDK10.0-10.2 corresponde a la versión 10.0-10.2 del tiempo de ejecución de Cuda, la capacidad de la computadora 3.0-7.5 significa poder de cómputo 3.0-7.5, y Turing está incluido entre paréntesis, lo que indica que la versión 10.0-10.2 del tiempo de ejecución de Cuda admite potencia informática 3.0-7.5 y es una GPU estructurada por Turing.
Para instalar una versión adecuada del tiempo de ejecución de Cuda, es necesario cumplir con la versión del tiempo de ejecución de Cuda ≤ versión del controlador de Cuda
El rango de versiones de CUDA SDK que admite la potencia informática 7.5 es 10.0-12.0, y mi versión de Cuda Driver = 12.0, porque 10.0-12.0 ≤ 12.0, la versión de tiempo de ejecución de Cuda que coincide con mi GPU es 10.0-12.0. (Si mi versión de Cuda Drive = 11.5, entonces mi versión de CUDA es 10.0-11.5)
5. Cree un entorno virtual e instale el paquete de instalación requerido
Abra Anaconda Prompt (anaconda) nuevamente, ingrese el siguiente comando y presione Enter
conda create -n pytorch02 python=3.8Cree una nueva sala con el coche conda, la sala se llama pytorch02 y el lenguaje python utilizado en la sala es la versión 3.8. (Se recomienda que la versión de python seleccionada sea ≥ 3.7)
Luego vaya a los pasos anteriores, ingrese y y presione Enter.
done: Indica que se ha creado el entorno.
También se puede entender que esta es una habitación pequeña con el número de casa pytorch02 y algunas herramientas básicas adentro. En la actualidad, el número de la casa solo se llama pytorch02, y el conjunto de herramientas utilizado por pytorch no ha sido transportado por el automóvil conda. Es decir, ahora también puedes enviar algunos kits de pádel adentro, y esta sala se puede usar como ambiente de pádel. Debido a que el lenguaje python3.8 está configurado en él, también se puede usar el dispositivo pip que viene con python, y pip y conda son lo mismo.
Luego ingrese el siguiente comando para activar el entorno e ingrese a este entorno.
conda activate pytorch02
Se puede ver que el entorno base se ha cambiado al entorno pytorch02.
A continuación, usamos el coche conda para instalar pytorch, torchvision, torchaudio y otros juegos de herramientas que pytorch necesita usar en el entorno pytorch02.
Haga clic en el sitio web oficial de pytorch para ingresar al kit de herramientas de descarga. sitio web oficial de pytorch
Después de ingresar, haga clic en instalar
La versión de CUDA aquí corresponde a la versión de tiempo de ejecución de Cuda. Ya sé que el rango de CUDA que me corresponde es 10.0-12.0, así que elijo la versión de CUDA 11.7 aquí e intento elegir una versión superior dentro del rango.
Después de eso, ingrese el comando a la derecha de Ejecutar este comando: arriba en el entorno pytorch02 para descargar pytorch y otros kits de herramientas. el código se muestra a continuación:
conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidiaIngrese el código anterior y presione enter.
En la información solicitada, puede encontrar los correspondientes pytorch, torchvision, torchaudio y cudatoolkit. Tenga en cuenta que su versión debe ser 11.7 y que todos tienen adjunto cuda11.7 o cu117.
Luego ingrese y después de proceder([y]/n)? y presione enter.
done indica que la instalación fue exitosa.
Ingrese python y presione Enter para ingresar al entorno. El >>> al frente indica que la entrada fue exitosa.
Luego ingrese import torch y presione enter
Luego ingrese torch.cuda.is_available() y presione Enter.Si se muestra True, significa que el entorno de la versión GPU de pytorch se creó con éxito.
Mi instalación tomó alrededor de 20 minutos. Si usa este método para instalar demasiado lento o no puede descargar, puede ser un problema de red.Puede intentar descargar a través de pip, busque el comando como se muestra en la figura a continuación e ingréselo en el entorno pytorch02.
Si los dos métodos anteriores no tienen éxito, puede intentar descargar otras versiones de CUDA, siempre que esté en su propio rango de versión adecuado, el rango mío es 10.0-12.0. Las versiones anteriores se encuentran en Versiones anteriores de PyTorch.
Debido a que el método anterior necesita conectarse al servidor en el extranjero, la velocidad de descarga será muy lenta o inestable. También podemos usar la dirección espejo de la Universidad de Tsinghua para descargar. Del comando anterior, sabemos que necesitamos descargar cuatro kits de herramientas: pytorch, torchvision, torchaudio y cudatoolkit (reemplace pytorch-cuda con cudatoolkit).
Primero agregue el canal fuente del espejo Tsinghua
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/Después de eso, instale el kit de herramientas. Debido a que la versión cudatoolkit=11.7 es demasiado nueva, la fuente de la imagen no se actualizará a tiempo y la instalación fallará, por lo que el número de versión no se agrega aquí.
conda install pytorch torchvision torchaudio cudatoolkit
Sin embargo, varios kits de herramientas descargados a través de la fuente de imágenes de Tsinghua son todas versiones de CPU. Para saber cómo cambiar a versiones de GPU, consulte el siguiente artículo.
Cambie el kit de herramientas de la versión de CPU a la versión de GPU
El método para verificar una instalación exitosa es el mismo que el anterior.
6. Descargue PyCharm e importe el entorno PyTorch
Haga clic para ingresar al sitio web oficial de PyChram. Sitio web oficial de PyCharm
haga clic en DESCARGAR
Descarga la versión Community para Windows.
Durante el proceso de instalación, puede colocar la ruta de instalación en la unidad que no es C, y este lugar debe estar marcado.
Ya sea que cree un proyecto usted mismo o abra el proyecto de otra persona, el método de usar el entorno creado a través de PyCharm es el mismo. Estoy aquí descargando el proyecto pytorch-mask-rcnn-master de otra persona como ejemplo.
Haga clic en Archivo—>Configuración a su vez
Encuentre su propio nombre de proyecto y haga clic en Proyecto: pytorch-mask-rcnn-master—>Python Interpreter
Luego haga clic en los pasos 1 y 2 a su vez
Continuar al punto 1, 2
La ruta de mi entorno es D:\soft\anaconda\envs\pytorch02. Busque python.exe en pytorch02, seleccione y haga clic en Aceptar
haga clic en Aceptar
Puntos 1 y 2, se aplica con éxito el entorno pytorch02.
Habrá una pista de Python 3.8 (pytorch02) en la esquina inferior derecha de la página de edición.
Una cosa más, la idea de configuración del entorno de la CPU de PyTorch de aprendizaje profundo es similar a la anterior, y se pueden usar los comandos en las siguientes páginas.
Resumen
Lo anterior es el contenido de este artículo.. Este artículo presenta la instalación del entorno de la versión GPU y CPU de PyTorch en detalle. PyTorch es fácil de comenzar y es un marco bastante simple, eficiente y rápido. El diseño está en línea con el pensamiento humano, lo que permite a los usuarios concentrarse en la realización de sus propias ideas tanto como sea posible.