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
-
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。
-
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：
包含大量第三方库，应谨慎添加，以避免潜在的版本冲突。conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- Conda-forge源：
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。
