ubuntu22.04下使用conda安装pytorch(cpu及gpu版本)

这篇具有很好参考价值的文章主要介绍了ubuntu22.04下使用conda安装pytorch(cpu及gpu版本)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

本文介绍了conda下安装cpu、gpu版本的pytorch;并介绍了如何设置镜像源

ubuntu环境安装pytorch的CPU版本与GPU版本

系统:ubuntu22.04
显卡:RTX 3050
依赖工具:miniconda

确认环境

lsb_release -a
No LSB modules are available.
Distributor ID:	Ubuntu
Description:	Ubuntu 22.04.3 LTS
Release:	22.04
Codename:	jammy
$ nvidia-smi
Tue Feb 13 21:51:33 2024       
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 535.154.05             Driver Version: 535.154.05   CUDA Version: 12.2     |
|-----------------------------------------+----------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |         Memory-Usage | GPU-Util  Compute M. |
|                                         |                      |               MIG M. |
|=========================================+======================+======================|
|   0  NVIDIA GeForce RTX 3050 ...    Off | 00000000:02:00.0 Off |                  N/A |
| N/A   48C    P3               7W /  35W |    435MiB /  4096MiB |     11%      Default |
|                                         |                      |                  N/A |
+-----------------------------------------+----------------------+----------------------+
                                                                                         
+---------------------------------------------------------------------------------------+
| Processes:                                                                            |
|  GPU   GI   CI        PID   Type   Process name                            GPU Memory |
|        ID   ID                                                             Usage      |
|=======================================================================================|
|    0   N/A  N/A      1854      G   /usr/lib/xorg/Xorg                          226MiB |
|    0   N/A  N/A      2225      G   /usr/bin/gnome-shell                         84MiB |
|    0   N/A  N/A      3199      G   ...irefox/2987/usr/lib/firefox/firefox       95MiB |
|    0   N/A  N/A     48808      G   ...resh,SpareRendererForSitePerProcess       21MiB |
+---------------------------------------------------------------------------------------+
$ conda --version
conda 23.11.0

使用conda安装pytorch(CPU版本)

注意:默认conda安装pytorch的是cpu版本,如需要安装GPU版本的,注意直接看后面

创建一个新conda环境
$ conda create -n myPyt

新创建的环境不包含任何依赖可以使用conda list查看一下

开始安装pytorch(当然,也可以前面在创建环境的同时,把依赖包一同时安装了)

$ conda install pytorch

为了方便验证同时安装ipython

IPython 是 Python 的原生交互式 shell 的增强版,可以完成许多不同寻常的任务,比如帮助实现并行化计算;主要使用它提供的交互性帮助,比如代码着色、改进了的命令行回调、制表符完成、宏功能以及改进了的交互式帮助

# 激活环境
$ conda activate myPyt
# 安装ipython
$ conda install ipython
验证一下pytorch环境

输入ipython,进入交互式环境,依次输入如下两条命令import torchtorch.cuda.is_available()

$ ipython
Python 3.11.7 (main, Dec 15 2023, 18:12:31) [GCC 11.2.0]
Type 'copyright', 'credits' or 'license' for more information
IPython 8.20.0 -- An enhanced Interactive Python. Type '?' for help.

In [1]: import torch

In [2]: torch.cuda.is_available()
Out[2]: False

发现当前的版本是不cpu版本,不支持cuda加速的,我们查看一下依赖

$ conda list
# packages in environment at /home/bing/miniconda3/envs/myEnv:                                                                                                       
#                                                                                                                                                                    
# Name                    Version                   Build  Channel                                                                                                   
_libgcc_mutex             0.1                        main                                                                                                            
_openmp_mutex             5.1                       1_gnu                                                                                                            
blas                      1.0                         mkl                                                                                                            
bzip2                     1.0.8                h7b6447c_0                                                                                                            
ca-certificates           2023.12.12           h06a4308_0                                                                                                            
cffi                      1.16.0          py311h5eee18b_0                                                                                                            
filelock                  3.13.1          py311h06a4308_0                                                                                                            
fsspec                    2023.10.0       py311h06a4308_0                                                                                                            
gmp                       6.2.1                h295c915_3                                                                                                            
gmpy2                     2.1.2           py311hc9b5ff0_0                                                                                                            
intel-openmp              2023.1.0         hdb19cb5_46306                                                                                                            
jinja2                    3.1.3           py311h06a4308_0                                                                                                            
ld_impl_linux-64          2.38                 h1181459_1                                                                                                            
libffi                    3.4.4                h6a678d5_0                                                                                                            
libgcc-ng                 11.2.0               h1234567_1                                                                                                            
libgomp                   11.2.0               h1234567_1                                                                                                            
libprotobuf               3.20.3               he621ea3_0                                                                                                            
libstdcxx-ng              11.2.0               h1234567_1                                                                                                            
libuuid                   1.41.5               h5eee18b_0                                                                                                            
markupsafe                2.1.3           py311h5eee18b_0                                                                                                            
mkl                       2023.1.0         h213fc3f_46344                                                                                                            
mkl-service               2.4.0           py311h5eee18b_1  
mkl_fft                   1.3.8           py311h5eee18b_0  
mkl_random                1.2.4           py311hdb19cb5_0  
mpc                       1.1.0                h10f8cd9_1  
mpfr                      4.0.2                hb69a4c5_1  
mpmath                    1.3.0           py311h06a4308_0  
ncurses                   6.4                  h6a678d5_0  
networkx                  3.1             py311h06a4308_0  
ninja                     1.10.2               h06a4308_5  
ninja-base                1.10.2               hd09550d_5  
numpy                     1.26.3          py311h08b1b3b_0  
numpy-base                1.26.3          py311hf175353_0  
openssl                   3.0.13               h7f8727e_0  
pip                       23.3.1          py311h06a4308_0  
pycparser                 2.21               pyhd3eb1b0_0  
python                    3.11.7               h955ad1f_0  
pytorch                   2.1.0           cpu_py311h6d93b4c_0  
readline                  8.2                  h5eee18b_0  
setuptools                68.2.2          py311h06a4308_0  
sqlite                    3.41.2               h5eee18b_0  
sympy                     1.12            py311h06a4308_0  
tbb                       2021.8.0             hdb19cb5_0  
tk                        8.6.12               h1ccaba5_0  
typing-extensions         4.9.0           py311h06a4308_1  
typing_extensions         4.9.0           py311h06a4308_1  
tzdata                    2023d                h04d1e81_0  
wheel                     0.41.2          py311h06a4308_0  
xz                        5.4.5                h5eee18b_0  
zlib                      1.2.13               h5eee18b_0 

发现确实没安装任何cuda库,而pytorch的版本我们也可以看到确实cpu版本pytorch 2.1.0 cpu_py311h6d93b4c_0

conda安装GPU版本的pytorch

如何安装gpu版本的pytorch呢?我们继续
我们查看一下pytorch可安装的版本

$ conda search pytorch
Loading channels: done
# Name                       Version           Build  Channel
...
pytorch                       1.13.1 gpu_cuda113py39h0809116_0  pkgs/main           
pytorch                       1.13.1 gpu_cuda113py39h09dffc6_0  pkgs/main           
pytorch                       1.13.1 gpu_cuda113py39h926b89d_1  pkgs/main           
pytorch                       1.13.1 gpu_cuda113py39hde3f150_1  pkgs/main           
pytorch                        2.0.1 cpu_py310hab5cca8_0  pkgs/main           
pytorch                        2.0.1 cpu_py310hdc00b08_0  pkgs/main           
pytorch                        2.0.1 cpu_py311h53e38e9_0  pkgs/main           
pytorch                        2.0.1 cpu_py311h6d93b4c_0  pkgs/main           
pytorch                        2.0.1 cpu_py38hab5cca8_0  pkgs/main           
pytorch                        2.0.1 cpu_py38hdc00b08_0  pkgs/main           
pytorch                        2.0.1 cpu_py39hab5cca8_0  pkgs/main           
pytorch                        2.0.1 cpu_py39hdc00b08_0  pkgs/main           
pytorch                        2.0.1 gpu_cuda118py310h7799f5a_0  pkgs/main           
pytorch                        2.0.1 gpu_cuda118py310he342708_0  pkgs/main           
pytorch                        2.0.1 gpu_cuda118py311h7668aad_0  pkgs/main           
pytorch                        2.0.1 gpu_cuda118py311hce0f3bd_0  pkgs/main           
pytorch                        2.0.1 gpu_cuda118py38h7799f5a_0  pkgs/main           
pytorch                        2.0.1 gpu_cuda118py38he342708_0  pkgs/main           
pytorch                        2.0.1 gpu_cuda118py39h7799f5a_0  pkgs/main           
pytorch                        2.0.1 gpu_cuda118py39he342708_0  pkgs/main           
pytorch                        2.1.0 cpu_py310hab5cca8_0  pkgs/main           
pytorch                        2.1.0 cpu_py310hdc00b08_0  pkgs/main           
pytorch                        2.1.0 cpu_py311h53e38e9_0  pkgs/main           
pytorch                        2.1.0 cpu_py311h6d93b4c_0  pkgs/main           
pytorch                        2.1.0 cpu_py38hab5cca8_0  pkgs/main           
pytorch                        2.1.0 cpu_py38hdc00b08_0  pkgs/main           
pytorch                        2.1.0 cpu_py39hab5cca8_0  pkgs/main           
pytorch                        2.1.0 cpu_py39hdc00b08_0  pkgs/main 

我们可以看到,2.1.0版本的,Build列中,有点的cpu有的是gpu,那么如何安装时指定安装带gpu表示的版本的呢?

我们只需制定版本号的同时,指定build即可

$ conda create -n pyt-gpu
$ conda activate pyt-gpu
$ conda install pytorch=2.0.1=gpu_cuda118py39he342708_0
...
The following NEW packages will be INSTALLED:

  _libgcc_mutex      pkgs/main/linux-64::_libgcc_mutex-0.1-main 
  _openmp_mutex      pkgs/main/linux-64::_openmp_mutex-5.1-1_gnu 
  blas               pkgs/main/linux-64::blas-1.0-mkl 
  ca-certificates    pkgs/main/linux-64::ca-certificates-2023.12.12-h06a4308_0 
  cffi               pkgs/main/linux-64::cffi-1.16.0-py39h5eee18b_0 
  cudatoolkit        pkgs/main/linux-64::cudatoolkit-11.8.0-h6a678d5_0 
  cudnn              pkgs/main/linux-64::cudnn-8.9.2.26-cuda11_0 
  cupti              pkgs/main/linux-64::cupti-11.8.0-he078b1a_0 
  filelock           pkgs/main/linux-64::filelock-3.13.1-py39h06a4308_0 
  gmp                pkgs/main/linux-64::gmp-6.2.1-h295c915_3 
  gmpy2              pkgs/main/linux-64::gmpy2-2.1.2-py39heeb90bb_0 
  intel-openmp       pkgs/main/linux-64::intel-openmp-2023.1.0-hdb19cb5_46306 
  jinja2             pkgs/main/linux-64::jinja2-3.1.3-py39h06a4308_0 
  ld_impl_linux-64   pkgs/main/linux-64::ld_impl_linux-64-2.38-h1181459_1 
  libffi             pkgs/main/linux-64::libffi-3.4.4-h6a678d5_0 
  libgcc-ng          pkgs/main/linux-64::libgcc-ng-11.2.0-h1234567_1 
  libgomp            pkgs/main/linux-64::libgomp-11.2.0-h1234567_1 
  libprotobuf        pkgs/main/linux-64::libprotobuf-3.20.3-he621ea3_0 
  libstdcxx-ng       pkgs/main/linux-64::libstdcxx-ng-11.2.0-h1234567_1 
  magma              pkgs/main/linux-64::magma-2.7.1-h2c23e93_0 
  markupsafe         pkgs/main/linux-64::markupsafe-2.1.3-py39h5eee18b_0 
  mkl                pkgs/main/linux-64::mkl-2023.1.0-h213fc3f_46344 
  mkl-service        pkgs/main/linux-64::mkl-service-2.4.0-py39h5eee18b_1 
  mkl_fft            pkgs/main/linux-64::mkl_fft-1.3.8-py39h5eee18b_0 
  mkl_random         pkgs/main/linux-64::mkl_random-1.2.4-py39hdb19cb5_0 
  mpc                pkgs/main/linux-64::mpc-1.1.0-h10f8cd9_1 
  mpfr               pkgs/main/linux-64::mpfr-4.0.2-hb69a4c5_1 
  mpmath             pkgs/main/linux-64::mpmath-1.3.0-py39h06a4308_0 
  ncurses            pkgs/main/linux-64::ncurses-6.4-h6a678d5_0 
  networkx           pkgs/main/linux-64::networkx-3.1-py39h06a4308_0 
  ninja              pkgs/main/linux-64::ninja-1.10.2-h06a4308_5 
  ninja-base         pkgs/main/linux-64::ninja-base-1.10.2-hd09550d_5 
  numpy              pkgs/main/linux-64::numpy-1.26.3-py39h5f9d8c6_0 
  numpy-base         pkgs/main/linux-64::numpy-base-1.26.3-py39hb5e798b_0 
  openssl            pkgs/main/linux-64::openssl-3.0.13-h7f8727e_0 
  pip                pkgs/main/linux-64::pip-23.3.1-py39h06a4308_0 
  pycparser          pkgs/main/noarch::pycparser-2.21-pyhd3eb1b0_0 
  python             pkgs/main/linux-64::python-3.9.18-h955ad1f_0 
  pytorch            pkgs/main/linux-64::pytorch-2.0.1-gpu_cuda118py39he342708_0 
  readline           pkgs/main/linux-64::readline-8.2-h5eee18b_0 
  setuptools         pkgs/main/linux-64::setuptools-68.2.2-py39h06a4308_0 
  sqlite             pkgs/main/linux-64::sqlite-3.41.2-h5eee18b_0 
  sympy              pkgs/main/linux-64::sympy-1.12-py39h06a4308_0 
  tbb                pkgs/main/linux-64::tbb-2021.8.0-hdb19cb5_0 
  tk                 pkgs/main/linux-64::tk-8.6.12-h1ccaba5_0 
  typing-extensions  pkgs/main/linux-64::typing-extensions-4.9.0-py39h06a4308_1 
  typing_extensions  pkgs/main/linux-64::typing_extensions-4.9.0-py39h06a4308_1 
  tzdata             pkgs/main/noarch::tzdata-2023d-h04d1e81_0 
  wheel              pkgs/main/linux-64::wheel-0.41.2-py39h06a4308_0 
  xz                 pkgs/main/linux-64::xz-5.4.5-h5eee18b_0 
  zlib               pkgs/main/linux-64::zlib-1.2.13-h5eee18b_0 
Proceed ([y]/n)? 

安装时,从提示安装的依赖我们可以看出,这个版本确实带上了cuda相关包cudatoolkitcudnn,这次安装显然时间长了很多,包的大小也近2G

安装完成后,我们再次确认一下cuda加速是否可用;

同样,我们先安装一个ipython

$ conda install ipython

进入ipython后,依次执行如下代码import torchtorch.cuda.is_available()

$ ipython
Python 3.9.18 (main, Sep 11 2023, 13:41:44) 
Type 'copyright', 'credits' or 'license' for more information
IPython 8.15.0 -- An enhanced Interactive Python. Type '?' for help.

In [1]: import torch

In [2]: torch.cuda.is_available()
Out[2]: True

这次cuda可以正常工作,到此完成gpu版本的pytorch安装

当然不是采用conda安装的话,希望自己手鲁,从nvidia驱动、cuda、cudnn这些库开始手动一个个安装好后,最后再安装pytorch也是可以的;关于pytorch手动安装方式,这里给出官方地址,点这里

最后再安装个jupyter工具conda install jupyter
启动命令jupyter-notebook文章来源地址https://www.toymoban.com/news/detail-828511.html

到了这里,关于ubuntu22.04下使用conda安装pytorch(cpu及gpu版本)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Ubuntu22.04安装AMD显卡驱动和pytorch

    pip.conf [global] index-url = https://mirrors.cloud.tencent.com/pypi/simple [install] trusted-host = mirrors.cloud.tencent.com Ubuntu 22.04 + rocm 5.4.2  Ubuntu 20.04 + rocm 5.4.2  Ubuntu 20.04 + rocm 5.2 当显示为True时,才能证明rocm安装成功  check.py check.py   加入环境变量  .bash_profile末尾加入 pytorch官网 AMD显卡驱动下载

    2024年02月04日
    浏览(82)
  • Ubuntu22.04搭建Pytorch框架深度学习环境+安装Miniconda+安装CUDA与cuDNN

    以Ubuntu为例,从零搭建Pytorch框架深度学习环境。 1.1 系统下载 访问地址ubuntu官网 1.2 启动盘制作 访问ultraiso官网 1.2.1打开镜像 1.2.2写入镜像 1.3磁盘分区 1.3.1Windows磁盘管理 对要压缩的卷右键,选择压缩卷 压缩出的可用空间不要进行分区,等待ubuntu系统操作 1.3.2分区助手或DG

    2024年02月02日
    浏览(90)
  • Ubuntu 22.04安装使用easyconnect

    百度百科,EasyConnect能够帮助您在办公室之外使用公司内网的所有系统及应用。在您的公司部署深信服远程应用发布解决方案后,您的公司所有业务系统及应用都可以轻松迁移至移动互联网上。您可以通过手机、PAD等智能移动终端随时随地开展您的业务,尽享移动业务带来的

    2024年01月17日
    浏览(40)
  • 解决conda安装的pytorch是CPU版本/conda安装pytorch的GPU版本

    激活conda环境,并查看 发现pytorch版本是cpu_py38*********,代表是CPU版本。 (别太在意原有的库包,因为cpu版本关联了很多包,一个是cpu版本会有不少包都是cpu版本,重装后缺什么再安装什么就是了) 我这里指定3.8的py版本重装一个叫env的环境 查看当前的conda源中,pytorch的安装

    2024年02月05日
    浏览(62)
  • WSL安装与使用(Ubuntu22.04)

    本文主要记录Windows WSL的安装和使用过程,内容包括WSL安装过程、WSL安装Ubuntu、Ubuntu更换镜像源,Ubuntu安装Dcoker并配置等步骤。 Windows Subsystem for Linux(简称WSL)是一个在Windows 1011上能够运行原生Linux二进制可执行文件(ELF格式)的兼容层。它是由微软与Canonical公司合作开发,

    2024年02月08日
    浏览(45)
  • [Ubuntu 22.04] Docker安装及使用

    使用脚本自动安装 安装完成后验证 1. 拉取镜像并启动容器 注 :OPTION是参数,TAG是标签(版本号) 以Ubuntu 20.04为例,如下: 2. 创建容器 镜像拉取完成后,可以使用以下命令创建并启动一个基于 Ubuntu 20.04 镜像的容器 这将创建一个交互式的终端会话,可以在 Ubuntu 20.04 容器内

    2024年01月17日
    浏览(45)
  • ubuntu22.04编译安装使用gstreamer指南

    ubuntu发行版22.04,该发行版内置Gstreamer1.20.1,gstreamer源码最新版本为1.20.3,差距不大 下载gstreamer源码 安装git 下载gstreamer 安装meson gstreamer1.60以后(不包含1.60),使用meson+ninja来构建 安装glib gstreamer是基于glib-gobject来实现的 安装libsoup 安装libunwind 安装libdw 安装g-ir-scanner 系统中

    2024年02月05日
    浏览(72)
  • conda安装GPU版pytorch,结果总是cpu版本

    正常安装某版本pytorch时,采用官网的方法和对应的命令,选择适合的pytorch、cudatoolkit版本 Previous PyTorch Versions | PyTorch 由于要在GPU上运行,但测试发现pytorch装的是cpuonly的版本: 得到的结果是false 再检查安装的pytorch版本,可以看到是cpuonly的版本: 这里建议直接采用解决三 参

    2024年02月06日
    浏览(59)
  • ubuntu22.04安装使用 protobuf 23.3静态库

    https://github.com/protocolbuffers/protobuf/ 下载最新的release版本,23.3 必须需要依赖的第三方库 abseil,utf8_range mkdir build cd build cmake -DCMAKE_BUILD_TYPE=DEBUG  -DCMAKE_INSTALL_PREFIX=/usr/local -Dprotobuf_BUILD_SHARED_LIBS=OFF -Dprotobuf_WITH_ZLIB=OFF -Dprotobuf_BUILD_TESTS=OFF .. make sudo make install 或直接修改CmakeList.t

    2024年02月11日
    浏览(42)
  • 如何在 Ubuntu 22.04 上安装、配置、使用 Nginx?

    Nginx是一款高性能的开源Web服务器,同时也充当反向代理服务器和负载均衡器。它设计简洁,效率出众,以处理大量并发连接而闻名,成为许多网站和应用的首选服务器软件。在本文中,我们将深入介绍如何在Ubuntu 22.04上安装、配置和管理Nginx,以便您能更好地利用其强大功能

    2024年03月20日
    浏览(41)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包