PyTorch环境配置

PyTorch环境配置

本文档用于记录PyTorch环境配置过程中的要点。

• PyTorch环境配置
  • 安装Miniconda
  • 安装PyTorch
  • 配置远程开发工具
  • 基于CUDA的张量
  • 导入警告问题
  • 参考资料

安装Miniconda

• 下载Miniconda安装包：Miniconda3-latest-Linux-x86_64.sh
• 修改安装包的文件权限属性，使得Miniconda安装包能够执行：chmod u+x Miniconda3-latest-Linux-x86_64.sh
• 安装Miniconda： sh ./Miniconda3-latest-Linux-x86_64.sh

安装PyTorch

• 通过Miniconda创建一个新的环境：conda create --name torch Python
• 激活环境：conda activate torch
• 查看CUDA版本：nvcc --version
• 根据CUDA版本安装相应的PyTorch库：conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
• 验证PyTorch是否安装成功：

  import torch
  x = torch.rand(5, 3)
  print(x)
  
  torch.cuda.is_available()
  

配置远程开发工具

本节用于记录配置VSCode远程编程与调试的插件Remote - SSH的过程。

• 通过ssh-keygen命令在本地生成用于ssh公钥认证的公钥和私钥文件：ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
• 通过ssh-copy-id命令把公钥追加到远程机器的authorized_keys文件末尾： ssh-copy-id hello-kitty@192.168.***.***
• 安装插件Remote - SSH
• 配置插件：

  # C:\Users\****\.ssh\config
  Host ****@192.168.***.***
  HostName 192.168.***.***
  User ****
  

  这里需要注意配置项Host需要按照"用户@IP地址"的格式进行设定，否则远程连接时会出现“过程试图写入的管道不存在”的异常状况

基于CUDA的张量

• 查看可用的GPU的数量：torch.cuda.device_count()
• 定义CUDA device object，存在三种略有不同的方式：

  # 第一种方式
  device = torch.device('cuda:1')
  
  # 第二种方式，参数"1"表示显卡的下标（第二块显卡）
  torch.cuda.set_device(1)
  device = torch.device('cuda')
  
  # 第三种方式
  device = torch.device('cuda', 1)
  

• 定义张量：x = torch.randn(5, 3, device=device)

导入警告问题

用VSCode编写Python代码，在导入语句import torch下方会出现黄色波浪线，提示未解决的导入“unresolved import 'torc'”。异常情况是由Microsoft Python Analysis Engine引发的，通过设置Jedi作为IntelliSense引擎，可以解决这一问题：

• Ctrl + Shift + P，打开VSCode命令面板
• 输入“Configure Language Specific Settings”，选择语言“Python”
• 在打开的配置文件（settings.json）中找到配置项“python.jediEnabled”
• 设定配置项"python.jediEnabled": true,，保存并重新加载VSCode

参考资料

1. VScode Remote远程开发与调试
2. Linux和Windows查看CUDA和cuDNN版本
3. Linux chmod命令
4. Start Locally | PyTorch
5. vscode unresolved import warning