Anaconda配置各版本Pytorch的實(shí)現(xiàn)
更新時(shí)間：2021年08月06日 10:41:35 作者：橋上風(fēng)景窗前人
本文是整理目前全版本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(yùn)行，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
1. 前言
利用 Anaconda 配置 Pytorch 深度學(xué)習(xí)環(huán)境時(shí)利用官網(wǎng)鏈接給出的安裝指令安裝會(huì)很慢，而且經(jīng)常報(bào)錯(cuò)，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(yùn)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(duì)應(yīng)
pytorch，torchvision，python 三者的對(duì)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(gè)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(yàn) 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(shí) python 解釋器版本選擇 3.6.5 版本。
conda create -n pt python=3.6.5
隨后點(diǎn)擊 y 同意安裝，等待一會(huì)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(cè)試是否安裝成功
- CPU 版本測(cè)試：繼續(xù)運(yùn)行 python 進(jìn)入交互式環(huán)境，分別運(yùn)行
import torch，import torchvision不報(bào)錯(cuò)則安裝成功。 - GPU 版本測(cè)試：繼續(xù)運(yùn)行 python 進(jìn)入交互式環(huán)境，分別運(yùn)行
import torch，import torchvision不報(bào)錯(cuò)， 再運(yùn)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(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)Anaconda配置Pytorch內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:
- Anaconda多環(huán)境多版本python配置操作方法
- anaconda中更改python版本的方法步驟
- 淺談anaconda python 版本對(duì)應(yīng)關(guān)系
- anaconda升級(jí)sklearn版本的實(shí)現(xiàn)方法
- WIndows10系統(tǒng)下面安裝Anaconda、Pycharm及Pytorch環(huán)境全過程(NVIDIA?GPU版本)
- Python和Anaconda的版本對(duì)應(yīng)關(guān)系
- Anaconda安裝時(shí)默認(rèn)python版本改成其他版本的兩種方式
- 使用Anaconda創(chuàng)建Python指定版本的虛擬環(huán)境的教程詳解
- conda下載各種包時(shí)如何避免版本不匹配問題
相關(guān)文章
python實(shí)現(xiàn)tree命令的使用示例
本文主要介紹了python實(shí)現(xiàn)tree命令的使用示例,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-09-09
Python將string轉(zhuǎn)換到float的實(shí)例方法
在本篇文章中小編給大家分享的是關(guān)于Python將string轉(zhuǎn)換到float的實(shí)例方法以及相關(guān)知識(shí)點(diǎn)，需要的朋友們參考下。2019-07-07
Python中使用插入排序算法的簡(jiǎn)單分析與代碼示例
這篇文章主要介紹了Python使用插入排序算法的簡(jiǎn)單分析與代碼示例,插入算法的平均時(shí)間復(fù)雜度為O(n^2),需要的朋友可以參考下2016-05-05
今天小編就為大家分享一篇tensorflow 打印內(nèi)存中的變量方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-07-07
python+tkinter實(shí)現(xiàn)一個(gè)簡(jiǎn)單的秒鐘
這篇文章主要為大家詳細(xì)介紹了Python如何利用tkinter實(shí)現(xiàn)一個(gè)簡(jiǎn)單的秒鐘,文中的示例代碼講解詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴可以自己動(dòng)手嘗試一下2024-02-02
python 讀取鼠標(biāo)點(diǎn)擊坐標(biāo)的實(shí)例
今天小編就為大家分享一篇python 讀取鼠標(biāo)點(diǎn)擊坐標(biāo)的實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-12-12
Python使用wxPython實(shí)現(xiàn)計(jì)算器
這篇文章主要為大家詳細(xì)介紹了Python使用wxPython實(shí)現(xiàn)計(jì)算器，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-01-01
這篇文章主要介紹了用python給自己做一款小說閱讀器過程詳解,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-07-07
pycocotools介紹以及在windows10下的安裝過程
這篇文章主要介紹了pycocotools介紹以及在windows10下的安裝過程，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-02-02
Pycharm最全報(bào)錯(cuò)的原因與解決方法總結(jié)(推薦!)
這篇文章主要給大家介紹了關(guān)于Pycharm最全報(bào)錯(cuò)的原因與解決方法的相關(guān)資料,文中記錄了Python各種報(bào)錯(cuò)解釋及處理方法,屬于個(gè)人記錄型,需要的朋友可以參考下2022-07-07