installation de pytorch (version gpu)

Du cours Eye of Depth.

• Le but de l'installation d'anaconda est de créer un environnement virtuel (conda est utilisé); le but de l'installation de pycharm est de l'utiliser comme compilateur; le but de l'installation de cuda est d'installer le GPU.

1. installation d'Anaconda

• La troisième étape de l'installation ci-dessus est très importante, faites attention à la vérification, car elle se réfère à l'ajout d'anaconda aux variables d'environnement système.

———————————————————————————————————————————————

• La station miroir de la source Anaconda disponible en Chine et la méthode de changement de la source domestique:

#中科大
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes

#清华
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 --set show_channel_urls yes

----------------------------------------------------------------------------
conda config --show查看用的哪个源
conda config --remove-key channels删除正在使用的源

• Copiez la source de l'Université des sciences et technologies de Chine ou Tsinghua dans la ligne de commande, le but est d'utiliser conda pour télécharger le package d'installation plus rapidement.

———————————————————————————————————————————————

conda create -n pytorch_1.4.0_gpu python=3.7#GPU

• Cette commande consiste à créer un nom pour l'environnement virtuel de pycharm, dans lequel pytorch_1.4.0_gpu est personnalisé (le nom est facile à retenir, plus court est mieux). Pendant ce processus de téléchargement, s'il est très lent, vous pouvez basculer la source du miroir dans les deux sens (n'oubliez pas de supprimer d'abord lors de la commutation, il y a une commande de suppression ci-dessus). Comme le montre la figure ci-dessous, il peut y avoir de nombreux environnements virtuels et pytorch doit être téléchargé dans l'environnement virtuel correspondant.

———————————————————————————————————————————————

• Ensuite, vous pouvez utiliser conda pour afficher l'environnement virtuel créé.

conda activate pytorch_1.4.0_gpu#打开该环境
conda deactivate#退出当前环境
conda info --envs#查看所有的虚拟环境

• Vous pouvez le trouver sous envs dans le répertoire d'installation d'anaconda.

2. Installation de Pycharm

• Choisissez la dernière version précédente (professionnelle) à télécharger, les étapes d'activation sont détaillées dans: https://shimo.im/docs/GJTqgHqh6kGYkKKY/read

———————————————————————————————————————————————

• Trouvez l'environnement virtuel nouvellement créé dans pycharm (recherche par répertoire, essentiellement dans les envs du répertoire d'installation d'anaconda).
• Puis ouvrez pycharm, il y a un terminal en bas de page, qui équivaut à la ligne de commande du système. (Faites une pause ici d'abord, ne fermez pas)

conda activate pytorch_1.4.0_gpu

———————————————————————————————————————————————

3. installation du cuda

• Site officiel de cuda: https://developer.nvidia.com/cuda-92-download-archive
• Remarque: Premièrement: la version doit correspondre à la carte graphique de l'ordinateur, https://blog.csdn.net/weixin_42326479/article/details/107842951 ; deuxièmement: annuler l'intégration de Visual
  Studio
  lors de l'installation pour installer ; troisièmement: désinstaller enfin le pilote graphique ( si la quatrième étape est exécutée avec succès, la troisième étape peut être omise)
  Quatrième: vérifier si l'installation est réussie (cd dans le répertoire d'installation, vérifiez nvcc -V), comme suit:

4. installation duudnn

• Remarque: voici pour installer cudnn, l'inscription est requise, adresse: https://developer.nvidia.com/cudnn , puis cliquez sur télécharger. (Pour correspondre à la version 10.1 de cuda)

• Enfin, vérifiez si l'installation est réussie (cd dans le répertoire d'installation, vérifiez ces deux bandwidthTest.exe deviceQuery.exe):
  
  ———————————————————————— - ————————————————————————

• Après avoir installé cuda et cudnn, copiez les trois fichiers de cuda dans cuda. (Notez qu'il ne s'agit pas d'une copie directe) comme suit:

5. installation de pytorch

• Site Web d'installation: https://pytorch.org/get-started/locally/
  ———————————————————————————————— ————————————————
  

• Remarque: recherchez directement le site Web sélectionné et utilisez la touche de raccourci Ctrf + F pour rechercher sur le site Web.

• Version GPU: recherchez et téléchargez deux fichiers, comme suit:

• Remarque: le processeur commence par cpu; le GPU commence par cu. Les deux doivent télécharger torch et torchvision.

———————————————————————————————————————————————

• Ouvrez le pycharm qui n'a pas été fermé, et cliquez sur le terminal en bas de page pour activer l'environnement virtuel du cpu.

conda activate pytorch_1.4.0_cpu
cd C:\Users\YUE123\Downloads
dir

Ajoutez d'abord la source miroir pour l'accélérer:

#清华
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

Commencez à installer la torche et la vision de la torche:

pip install torch-1.4.0+cpu-cp37-cp37m-win_amd64.whl
pip install torchvision-0.5.0+cpu-cp37-cp37m-win_amd64.whl

(torch-1.4.0 + cpu-cp37-cp37m-win_amd64.whl et torchvision-0.5.0 + cpu-cp37-cp37m-win_amd64.whl doivent trouver le nom de leur installation selon la commande dir tout à l'heure)
—— ———— ——————————————————————————————————————— Si vous
pensez que c'est plus détaillé , allez simplement en voiture, je peux gagner des frais de promotion, content