文章目錄
-
-
- 一、安裝步驟
- 二、測試
- 三、一些問題的解決
-
-
- 問題1：關于conda的報錯解決: Solving environment: failed with initial frozen solve. Retrying with flexible solve.
- 問題2：anoconda建立虛拟環境報錯 CondaHTTPError: HTTP 000 CONNECTION FAILED for url
- 問題3：Conda - Downloaded bytes did not match Content-Length 問題解決方案
- 問題4：nvidia-smi無效
- 問題5：The NVIDIA driver on your system is too old
-
- 四、conda指令
-
一、安裝步驟
- 安裝anaconda，較簡單
- 打開Anaconda Prompt(anaconda)
Pytorch安裝過程及問題解決 - 檢視安裝的python版本，我這裡是3.7版本
python --version
- 建立pytorch入駐的房子
conda create -n pytorch python=3.7
- 激活房子，進入pytorch配置環境
conda activate pytorch
- 切換至清華鏡像源的指令語句
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/win-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/win-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
conda config --set show_channel_urls yes
（這個步驟中網上絕大多數的blog都沒有在最後寫/win-64/，但是個人覺得加上可能會快一點）
- 清華鏡像安裝指令語句
conda install pytorch torchvision cudatoolkit=10.1
此處的安裝指令可以在官網中進行配置，我選的是10.1的cuda，有blog說如果安裝10以下的可能會出現很多奇怪的問題。注意，如果沒有英偉達的顯示卡，就安裝純cpu跑的pytorch，官網上面有寫。同時可以自己標明pytorch的版本以及torchvision的版本。如果不選擇預設下載下傳的是最新的版本。
以上就是安裝pytorch的全部步驟，但是正常情況下都會出現很多奇怪的問題。
以下是三個包的主要安裝源，如果網速不夠好，可以嘗試本地下載下傳之後再導入（我這裡沒有嘗試，因為後出成功安裝好了）
三大包的安裝源：
pytorch： https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64::pytorch-1.7.1-py3.7_cuda101_cudnn7_0 ----746.5Mb
mkl-2020.4 | hb70f87d_311 172.4 MB https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge::mkl-2020.4-hb70f87d_311
cudatoolkit-10.1.243 | h3826478_6 378.0 MB https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/win-64::cudatoolkit-10.1.243-h3826478_6
- 檢視結果
Pytorch安裝過程及問題解決 - 如果想在剛剛弄好的那個包添加其他的包，可以直接使用指令，此處以pandas為例：
pip install pandas
在Anaconda Prompt(anaconda)進入pytorch目錄敲以上指令即可
安裝成功：
同時其實也可以直接在anaconda上面進行手動管理，如下所示
二、測試
檢視安裝的版本：
pip list
測試代碼：
//輸入
python：
//進入python頁面
//輸入：
import torch
//導入torch 沒有錯誤提示說明導入成功
//輸入：
torch.cuda.is_available()
//結果是 Ture 表示電腦的GPU可被torch使用
注意，如果是在pycharm中運作，需要配置一下編譯器才可以執行
三、一些問題的解決
問題1：關于conda的報錯解決: Solving environment: failed with initial frozen solve. Retrying with flexible solve.
更改信道級别:
conda config --set channel_priority flexible
問題2：anoconda建立虛拟環境報錯 CondaHTTPError: HTTP 000 CONNECTION FAILED for url
需要配置3個路徑：
anocoda配置環境變量：
至少包括Anaconda、Anaconda/Scripts、Anaconda/Library/bin三個目錄 ！！！
E:\Anacoda3\Library\bin
E:\Anacoda3\Scripts
E:\Anacoda3\
（這裡E:\Anacoda3\是樓主安裝anoconda的位置）
配置方法：
我的電腦，屬性，進階系統設定，環境變量，系統變量，path
問題3：Conda - Downloaded bytes did not match Content-Length 問題解決方案
參考連結：https://blog.csdn.net/sinat_36594453/article/details/89599174
采用方法二：設定conda下載下傳的timeout，然後再進行嘗試，如果時長不夠可以再設定大一點。
conda config --set remote_read_timeout_secs 600.0
conda config --set remote_read_timeout_secs 10000.0
問題4：nvidia-smi無效
想使用nvidia-smi檢視gpu的使用情況時，發現C:\Program Files\NVIDIA Corporation\沒有NVSMI檔案夾，是以裡面的nvidia-smi.exe檔案也沒有。
解決辦法：
連結：https://pan.baidu.com/s/1MsLXsC-Z8OyolxWSpxsj9g
提取碼：wy6l
将NVSMI.zip解壓到C:\Program Files\NVIDIA Corporation\即可
然後添加環境變量
輸入nvidia-smi便可以檢視
問題5：The NVIDIA driver on your system is too old
>>> import torch
>>> torch.cuda.is_available()
E:\anacanda\envs\pytorch\lib\site-packages\torch\cuda\__init__.py:52: UserWarning: CUDA initialization: The NVIDIA driver on your system is too old (found version 9020). Please update your GPU driver by downloading and installing a new version from the URL: http://www.nvidia.com/Download/index.aspx Alternatively, go to: https://pytorch.org to install a PyTorch version that has been compiled with your version of the CUDA driver. (Triggered internally at ..\c10\cuda\CUDAFunctions.cpp:100.)
return torch._C._cuda_getDeviceCount() > 0
False
**解決方法：**更新驅動
參考連結：https://blog.csdn.net/qq_37163925/article/details/106222654
四、conda指令
- 清理損壞包:
conda clean --packages --tarballs
- 更新指令：
conda update --all
- 強制更新指令：
conda update --strict-channel-priority --all
- 顯示通道：
conda config --show channels
更多的conda指令可以檢視如下