当前位置: 首页 > news >正文

ubuntu20.04 解决Pytorch默认安装CPU版本的问题

ubuntu20.04 解决Pytorch默认安装CPU版本的问题

在这里插入图片描述

在使用Anaconda安装支持CUDA的PyTorch版本时,遇到只能安装CPU版本的PyTorch是一个常见问题。这通常由于Anaconda环境配置、镜像源设置不当或版本匹配问题导致。以下是详尽的解决方案和步骤,以确保能够正确配置和使用镜像源安装正确的PyTorch版本。

问题分析

  1. 镜像源的优先级问题:当存在多个同名包时,Conda会根据配置的镜像源优先级决定下载哪一个版本。如果GPU支持的版本和CPU版本同时存在,没有正确设置优先级,可能导致安装了不支持CUDA的版本。

  2. 版本匹配问题:指定的PyTorch版本和cudatoolkit版本可能在所选的镜像源中无法找到匹配的组合,导致自动回退到只包含CPU支持的版本。

解决方案和步骤

步骤1: 正确设置镜像源
  • 添加PyTorch专用镜像源

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
    

    这个源专门为PyTorch及其依赖库提供服务,包括支持不同CUDA版本的PyTorch安装包。

  • 设置显示频道URLs

    conda config --set show_channel_urls yes
    

    这一设置可以帮助您在安装过程中查看包的具体来源,有助于诊断问题。

  • 编辑.condarc文件
    确保~/.condarc文件中PyTorch的链接优先级最高。可以使用文本编辑器直接编辑这个文件,或使用以下命令查看当前配置:

    cat ~/.condarc
    
步骤2: 选择性添加和精简其他镜像源
  • 深度学习源

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    

    该源包含一些旧版本的深度学习库。

  • 主镜像源

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
    

    包含大量的通用库,但可能包括CPU版本的PyTorch和旧的CUDA版本。

  • 其他镜像源的选择性添加

    • Conda-forge源:
      conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
      
      包含大量第三方库,应谨慎添加,以避免潜在的版本冲突。
auto_activate_base: false
channels:- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/- https://mirrors.sustech.edu.cn/anaconda-extra/cloud/nvidia/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/- defaults
show_channel_urls: true
步骤3: 安装指定版本的PyTorch和CUDA Toolkit
  • 根据CUDA版本选择对应的PyTorch版本。您可以在PyTorch官网或清华源网站上找到版本兼容表。

  • 执行安装命令:

    conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
    
步骤4: 验证安装
  • 检查已安装的PyTorch版本:
    conda list pytorch
    
  • 在Python中验证CUDA支持:
    import torch
    print(torch.cuda.is_available())  # 应返回True
    

通过以上详细步骤,您可以确保从Anaconda的清华源正确安装支持CUDA的PyTorch版本,避免因配置不当而下载到CPU版本。这个过程不仅确保了软件的正确安装,也提高了安装过程的透明度和可控性。

您可以确保从Anaconda的清华源正确安装支持CUDA的PyTorch版本,避免因配置不当而下载到CPU版本。这个过程不仅确保了软件的正确安装,也提高了安装过程的透明度和可控性。

在这里插入图片描述

http://www.lryc.cn/news/484184.html

相关文章:

  • 名词解释-2-形状算数实验、潜在空间、3D生成模型
  • Android 使用python统计getevent按键
  • NVIDIA jetson查看资源占用情况,打印/保存资源使用情况日志
  • ssm102“魅力”繁峙宣传网站的设计与实现+vue(论文+源码)_kaic
  • 逐行加载 HTML 内容并实时显示效果:使用 wxPython 的实现
  • UE4 Cook 从UAT传递参数给UE4Editor
  • 【学习日记】notebook添加JAVA支持
  • 以太坊系地址衍生算法分层确定性生成逻辑
  • 【Unity】ScriptableObject的应用:利用配方合成新物体
  • 31DNS设置
  • 使用Docker快速部署FastAPI Web应用
  • 全面掌握Spring Boot异常处理:策略与实践
  • 【LeetCode】【算法】11. 盛最多水的容器
  • ES6代理和反射新特性,详细讲解
  • vue计算属性 初步使用案例
  • 大模型时代,呼叫中心部门如何建设一套呼出机器人系统?
  • 使用Java绘制图片边框,解决微信小程序map组件中marker与label层级关系问题,label增加外边框后显示不能置与marker上面
  • 力扣 LeetCode 142. 环形链表II(Day2:链表)
  • 用MVVM设计模式提升WPF开发体验:分层架构与绑定实例解析
  • C++中的动态断言和静态断言
  • 运算放大器的学习(一)输入阻抗
  • Rust枚举之卧龙凤雏(Rust Option枚举、Rust Result枚举)(Rust Enum、Some(T)、Ok(T)、Err(E))链式操作
  • TCP/IP协议,TCP和UDP区别
  • 【go从零单排】Timer、Epoch 时间函数
  • 壁仞科技上市前最后一波 校招 社招 内推
  • 【微软报告:多模态基础模型】(2)视觉理解
  • Linux 驱动
  • 【数学二】线性代数-线性方程组-齐次线性方程组、非齐次线性方程组
  • Git别名设置
  • 算法基础 -- 红黑树原理与插入伪代码