模型训练环境搭建
备注
本教程在windows上进行,且使用nvidia独立显卡进行训练
conda环境安装
安装
使用anaconda prompt换源(清华大学源)
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
直接更换源文件
1.打开 anaconda prompt 创建源文件
conda config --set show_channel_urls yes
2.找到 .condarc文件 ,一般该文件在目录 C:\Users\用户名 路径下
3.以记事本打开 .condarc,修改内容为
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
- defaults
show_channel_urls: true
打开
anaconda prompt清理缓存
conda clean -i
运行
conda config --show查看是否换源成功
cuda,Cudnn环境安装(详情见csdn)
确定显卡支持的CUDA版本
在命令行里输入 nvidia-smi.exe
找到cuda version 确定显卡支持的CUDA版本
备注
如果输入无效或者未找到该程序,请检查是否正确安装显卡驱动。
自行搜索并安装对应版本的cuda
安装cudnn
解压cudnn压缩包;
找到cuda的安装目录,一般为NVIDIA Computing ToolkitCUDAv12.2;
将CUDNN对应bin、lib、include三个文件与CUDA对应的bin、lib、include进行合并,将CUDNN内文件全部复制到CUDA对应文件夹内;
添加环境变量: 在“系统变量”中Path添加NVIDIA Computing ToolkitCUDAv12.2lib和v12.2libnvvp以及v12.2include ;
检查CUDNN是否安装成功:找到NVIDIA Computing ToolkitCUDAv12.2extrasdemo_suite,查看是否有文件bandwidthTest.exe以及deviceQuery.exe,若存在则在该文件中打开cmd运行两.exe文件,运行成功应有表格显示。
pytorch安装
从conda安装
选择对应cuda版本的pytorch进行安装,如:
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
从pip安装
备注
从pip安装要在对应的conda虚拟环境中进行,否则将会装到系统默认的全局python解释器中,无法正常使用
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
2024.9.2 123456dfg edit