cube studio 前端镜像打包

---

---

[0]安装深度学习框架与Pytorch

---

1.错误操作流程

注：此文安装的是GPU版本

1.首先安装CUDA

• 打开命令行，在命令行中输入nvcc -V ，发现结果为：

• 进入NVIDIA控制面板：

• 点击左下角的系统信息

• 尽量将驱动器版本更新为最新：

• 最高能够使用图中所标识的CUDA驱动器，选择下载≤12.0版本的CUDA

下载链接

在更改完环境变量后，电脑未重启

2.安装cuDNN

• 进入官网首先需要注册，填写个人相关信息，然后根据上一步安装CUDA版本的不同，选择安装包

这个安装包不大，很快，解压后将文件名更改为cudnn,

• 然后将cudnn复制到CUDA的安装目录上，如果是自定义安装路径，就复制到自定义路径中

• 配置环境变量

• 由于CUDA安装系统自己添加的路径不用改变；
• 由于安装了cuDNN，需要将cuDNN的bin文件添加上上，我这样的是成功了的：

• 最后打开命令行，在命令行中输入nvcc -V ，发现结果为：

3.安装Pytorch

• 进入官网，反复尝试：

• 更换版本号为11.8或11.1或11.3均不成功；
• 尝试换成国内清华源，也出现Solving environment: failed with initial frozen solve. Retrying with flexible solve.问题；
• 尝试指定各安装包的版本：

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch——还是相同的错误；

• 脑子灵机一动，想到已经安装了CUDA，所以cudatoolkit不需要指定安装了；
• 再次尝试conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1，抱错:
  PackagesNotFoundError: The following packages are not available from current channels:torchaudio==0.12.1
• 于是推断是当前源中没有torchaudio==0.12.1；
• 最后决定，逐一安装pytorch、torchvision、torchaudio
• 意外之中——pytorch、torchvision成功安装但torchaudio安装失败；
• 通过查看以下路径中是否存在torchaudio,最终是未搜索到(所以报错找不到该安装包)；

• 经过查询，需要运行命令：conda install -c pytorch torchaudio才能够成功安装torchaudio;

4.验证

在Anaconda Prompt中运行python，然后是：

import torch
torch.__version__
torch.cuda.is_available()

意料之外，竟然出错了，内心极度煎熬，开始找错

2.正确流程

1. 经过上述操作错误后，开始上网搜索解决方案——博客，主要存在两种原因：

1. 已安装的CUDA版本与pytorch版本不对应；
2. 下载成了CPU版本的pytorch；

针对原因1思考与解决：

• 之前采用的conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 -c pytorch(与CUDA11.6匹配)，但是提前安装的是CUDA11.8版本，于是将原来的CUDA11.8卸载，重新安装CUDA11.6(这次从官网下载的network版本的，证明比下载local版本的要快很多)；
• 在安装CUDA11.6的同时安装版本对应的cuDNN，不要忘记确认环境变量进行配置(博客)；
• 然后再次尝试torch.cuda.is_available()，还是False;
• 这篇博客给了我很大启发，我是在Anaconda上新建虚拟环境然后搭建框架的

# 查看本机安装的CUDA版本
nvidia-smi
nvcc -V
# 强调在虚拟环境中要以nvcc -V查到的版本为主

这是我通过conda安装的cudatoolkit

可以看到，通过nvcc获得的Cuda版本为11.6

然而，通过nvidia获得的Cuda版本为12.0

• 从博客中学习到：

• 1.Nvidia提供的cudatoolkit与conda安装的cudatoolkit是不相同的，对于Pytorch类的深度学习框架，大多数使用GPU时只需要使用CUDA的动态链接库，并不需要重新进行编译，因此只要安装了cudatoolkit(系统存在与之兼容的Nvidia驱动)就可以运行；
• 2.nvidia显示的cuda版本只是pytorch安装时编译安装的版本，而anaconda为其安装的cudatoolkit中的cuda版本才是真正的pytorch运行版本；
• 3.从博客中学习到当本机中存在多个cuda版本时的调用执行顺序，默认cuda安装目录>自定义目录的cuda(nvcc)>通过conda安装的目录>未得到库文件目录则不使用cuda；
• 4.由于事先在本机默认位置安装了cuda，所以之后会调用安装的11.6的cuda，但我在虚拟环境中安装的是11.3版本的cuda，所以选择——将安装在本机上的cuda删除，只在虚拟环境中安装cudatoolkit

• 最后，再次进行尝试torch.cuda.is_available()，还是False;
• 突然，我记起来我还没有安装cuDNN:

• 强烈推荐采用这个博客的方法，能够实现cuda与cuDNN的版本匹配；
• 也可以上这个网站一一对应下载正确的cuDNN；

针对原因2思考与解决：

• 当我感觉我已经排除了第1个原因后，执行conda list，竟然发现了了不得的东西：

为什么我的pytorch是cpu版本的???

几点说明：

• 我全部采用的默认源——conda config --remove-key channels，并未采用镜像源；
• 然后当时安装pytorch时采用的是命令conda install pytorch==1.12.1；
• 由下图可知是在网站上搜索pytorch==1.12.1：手动搜索后发现只有cpu版本

• pytorch官网上的安装命令为

# CUDA 11.3  
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch

• -c pytorch猜测是从pytorch上进行安装的，于是在删除原来的cpu版本的安装包后(pytorch torchvision)：

conda uninstall pytorch
conda uninstall torchvision

• 执行以下命令，从pytorch安装pytorch、torchvision、torchaudio

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 -c pytorch

注：其中pytorch安装的速度较慢，若网络环境实在不好，需要在-c pytorch后面添加镜像源(镜像源的位置一定不要弄错)

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 -c pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

注：上述这仅仅是下载了pytorch

注：上述是对应版本的torchvision

注：上述是对应版本的torchaudio

• 最后测试环节：

# 进入python
import torch
print(torch.cuda.is_available())  # True
print(torch.backends.cudnn.is_available())  # True
print(torch.cuda_version)  # 11.3
print(torch.backends.cudnn.version())  # 8302
### Succeed!

补充镜像源：

• 若想要通过镜像源安装cudatoolkit和cudnn：

# 安装cudatoolkit
conda install cudatoolkit==11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/

# 需要注意的是——较高版本的cudatoolkit镜像源上不一定有,例如清华源cudatoolkit的最高版本为11.3,但目前官方cuda已经更新至11.6和11.8,所以有限使用默认源,实在不行再使用镜像源,使用镜像时一定要手动搜索是否存在对应版本的文件(否则就会报错)
# 同样,cuDNN也是如此,镜像源上的版本较低,优先使用默认源下载

### 若镜像源上没有满足版本要求的文件，默认源下载速度又过慢————只能采取在默认源对应的网站上手动下载，在进行安装!!!

总结

1.通过Anaconda在虚拟环境中安装pytorch环境；

2.确定安装环境时的python版本；

3.检查本机可驱动的最大cuda版本(通过Nvidia Corporation Panel实现)；

4.在虚拟环境中(下同)安装cudatoolkit;

5.安装cudnn;

6.安装pytorch(-c pytorch)；

7.安装torchvision;

8.安装torchaudio；

Note：第678步有可能能通过一条命令实现；

9.测试