Anaconda配置各版本Pytorch的實現(xiàn)
發(fā)布日期：2022-02-19 08:27 | 文章來源：源碼之家
1.
利用 Anaconda 配置 Pytorch 深度學(xué)習(xí)環(huán)境時利用官網(wǎng)鏈接給出的安裝指令安裝會很慢，而且經(jīng)常報錯，為此整理目前全版本 pytorch 深度學(xué)習(xí)環(huán)境配置指令，以下指令適用 Windows 操作系統(tǒng)，在 Anaconda Prompt 中運行。
2. 配置鏡像源
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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --set show_channel_urls yes
3. pytorch，torchvision，python 版本對應(yīng)
pytorch，torchvision，python 三者的對應(yīng)關(guān)系來源于 pytorch 官方 github，鏈接：https://github.com/pytorch/vision#installation
4. 創(chuàng)建并進(jìn)入虛擬環(huán)境
創(chuàng)建一個虛擬環(huán)境，其中 pt 是自定義虛擬環(huán)境名稱，另外根據(jù)踩坑經(jīng)驗 python 3.6.5 版本可以適配所有版本的 pytorch，建議創(chuàng)建環(huán)境時 python 解釋器版本選擇 3.6.5 版本。
conda create -n pt python=3.6.5
隨后點擊 y 同意安裝，等待一會進(jìn)入虛擬環(huán)境。
activate pt
5. Pytorch 0.4.1
conda install pytorch==0.4.1 torchvision==0.2.1 cuda90 # CUDA 9.0 conda install pytorch==0.4.1 torchvision==0.2.1 cuda92 # CUDA 9.2 conda install pytorch==0.4.1 torchvision==0.2.1 cuda80 # CUDA 8.0 conda install pytorch==0.4.1 torchvision==0.2.1 cuda75 # CUDA 7.5 conda install pytorch==0.4.1 torchvision==0.2.1 cpuonly # CPU 版本
6. Pytorch 1.0.0
conda install pytorch==1.0.0 torchvision==0.2.1 cuda100 # CUDA 10.0 conda install pytorch==1.0.0 torchvision==0.2.1 cuda90 # CUDA 9.0 conda install pytorch==1.0.0 torchvision==0.2.1 cuda80 # CUDA 8.0 conda install pytorch-cpu==1.0.0 torchvision-cpu==0.2.1 cpuonly # CPU 版本
7. Pytorch 1.0.1
conda install pytorch==1.0.1 torchvision==0.2.2 cudatoolkit=9.0 # CUDA 9.0 conda install pytorch==1.0.1 torchvision==0.2.2 cudatoolkit=10.0 # CUDA 10.0 conda install pytorch-cpu==1.0.1 torchvision-cpu==0.2.2 cpuonly # CPU 版本
8. Pytorch 1.1.0
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0 # CUDA 9.0 conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=10.0 # CUDA 10.0 conda install pytorch-cpu==1.1.0 torchvision-cpu==0.3.0 cpuonly # CPU O版本
9. Pytorch 1.2.0
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=9.2 # CUDA 9.2 conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 # CUDA 10.0 conda install pytorch==1.2.0 torchvision==0.4.0 cpuonly # CPU 版本
10. Pytorch 1.4.0
conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=9.2 # CUDA 9.2 conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.1 # CUDA 10.1 conda install pytorch==1.4.0 torchvision==0.5.0 cpuonly # CPU 版本
11. Pytorch 1.5.0
conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=9.2 # CUDA 9.2 conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.1 # CUDA 10.1 conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.2 # CUDA 10.2 conda install pytorch==1.5.0 torchvision==0.6.0 cpuonly # CPU 版本
12. Pytorch 1.5.1
conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=9.2 # CUDA 9.2 conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=10.1 # CUDA 10.1 conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=10.2 # CUDA 10.2 conda install pytorch==1.5.1 torchvision==0.6.1 cpuonly # CPU 版本
13. Pytorch 1.6.0
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=9.2 # CUDA 9.2 conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1 # CUDA 10.1 conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2 # CUDA 10.2 conda install pytorch==1.6.0 torchvision==0.7.0 cpuonly # CPU 版本
14. Pytorch 1.7.0
conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=9.2 # CUDA 9.2 conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=10.1 # CUDA 10.1 conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=10.2 # CUDA 10.2 conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=11.0 # CUDA 11.0 conda install pytorch==1.7.0 torchvision==0.8.0 cpuonly # CPU 版本
15. Pytorch 1.7.1
conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=9.2 # CUDA 9.2 conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=10.1 # CUDA 10.1 conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=10.2 # CUDA 10.2 conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=11.0 # CUDA 11.0 conda install pytorch==1.7.1 torchvision==0.8.2 cpuonly # CPU 版本
16. Pytorch 1.8.0
conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=10.2 # CUDA 10.2 conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=11.1 # CUDA 11.1 conda install pytorch==1.8.0 torchvision==0.9.0 cpuonly # CPU 版本
17. Pytorch 1.9.0
conda install pytorch==1.9.0 torchvision==0.10.0 cudatoolkit=10.2 # CUDA 10.2 conda install pytorch==1.9.0 torchvision==0.10.0 cudatoolkit=11.1 # CUDA 11.1 conda install pytorch==1.9.0 torchvision==0.10.0 cpuonly # CPU 版本
18. 測試是否安裝成功
- CPU 版本測試：繼續(xù)運行 python 進(jìn)入交互式環(huán)境，分別運行
import torch，import torchvision不報錯則安裝成功。 - GPU 版本測試：繼續(xù)運行 python 進(jìn)入交互式環(huán)境，分別運行
import torch，import torchvision不報錯， 再運行print(torch.cuda.is_available())輸出 Ture 則表示安裝成功。
到此這篇關(guān)于Anaconda配置各版本Pytorch的實現(xiàn)的文章就介紹到這了,更多相關(guān)Anaconda配置Pytorch內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。
相關(guān)文章
關(guān)注官方微信