安装流程

本安装方法，推荐使用pytorch官方版本包：使用完整的指定版本cuda编译的指定版本torch包，配合系统多版本CUDA Toolkit使用

• 用户安装指定版本cuda编译的指定版本torch包的目的：训练推理使用
• 服务器安装多版本CUDA Toolkit的目的：编译C++插件/CUDA插件（如：setup.py + .cu）

ssh spa@10.201.8.249
密码：123456a

安装miniconda

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

配置pip源、conda源

. ~/.bashrc  # 激活配置文件

# 目的：快速安装除torch外其他包
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes

# 目的：快速安装除torch外其他包
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple  # 配置清华源
python -m pip install --upgrade pip # 更新pip

创建conda环境

# 3.8版本兼容大部分torch版本
conda create -n DL python=3.8 -y

安装torch，用于训练推理

注意：torch与cuda兼容性比较严格

conda activate DL

# 阉割版：只有CPU版本的torch，
pip install torch torchvision torchaudio  # 下载torch包
# 完整版本[推荐]：下载Pytorch官方发布的 torch==x.x.x+cuxxx 包
pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 -f https://download.pytorch.org/whl/torch_stable.html

安装太慢了该怎么办：

1. 使用VPN跑到官网下载whl文件

2. 局域网传输到服务器

3. 切换到指定环境安装torch

--------------------------

切换指定cuda版本

全称CUDA Toolkit，可在conda环境中安装，也可在服务器安装，用来编译C++包

查看服务器内可用的CUDA Toolkit版本

ls /usr/local

使用脚本切换

• 脚本名：switch-cuda-on-version.sh
• 切换使用方法：. ~/switch-cuda-on-version.sh 11.1

#!/bin/bash

export CUDA_HOME=/usr/local/cuda-$1
export PATH=$CUDA_HOME/bin:$PATH
export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH

echo "注意：CUDA版本切换到: $1"

使用用户配置文件切换

1. 在.bashrc加入以下内容

export CUDA_HOME=/usr/local/cuda-11.1
export PATH=$CUDA_HOME/bin:$PATH
export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH

2. 切换到指定版本[如需其他版本cuda，则到.bashrc文件进行更改后再次执行此命令即可]

source ~/.bashrc

测试环境

python

import torch
print("PyTorch 版本:", torch.__version__)
print("CUDA 版本:", torch.version.cuda)
print("cuDNN 版本:", torch.backends.cudnn.version())