都是因为国内的网络环境以及墙的问题,导致我们服务器使用了源,或conda使用了源的问题。
使用命令: conda install ,提示找不到包,很可能是因为我们使用了源,然后源里没存那个包。
使用命令: conda search cudatoolkit,找不到包,那其实是这个源里没这个包,不是说conda真的装不上那个特定版本的cuda。
又比如,使用git clone, git reset,一直报很奇怪的错,网上搜索的方法试了又试,都解决不了这个问题,之后发现是国内链接github比较慢,使用一下学术加速就解决了。
又比如,conda install pytorch -c pytorch,怎么都装不上,找不到包,也是连接pytorch官网比较慢
所以这里,笔者通过在autodl上搭建环境的例子,重新整一遍linux新环境中配置cuda,cudnn,pytorch以及安装好一个github包,并通过git硬调apex版本,来掩饰一下,当国内网不好,或使用的服务器网不好的时候,我们有多少种方法把环境给配好。(比如本地安装,换源,conda换pip之类的。)
一般情况下,我们使用conda在虚拟环境中安装cuda和cudnn,我们会先搜索conda能提供的cuda包和cudnn包再安装。
比如使用如下所示代码:
conda search cudatoolkit
conda search cudnn
之后安装显示出来的列表里图里有的cuda和cudnn版本。
conda install cudatoolkit==xx.xx
conda install cudnn==xx.xx
比如当我在autodl上默认环境中运行:conda search cudatoolkit
时,显示出来的是如下画面:
可以看到,显示出来的包不全,导致我们配环境也配的很困难(conda search cudnn同理,同样是不全。)
不管是直接使用命令进行安装conda install cudatoolkit==xx.xx
,还是使用命令conda search cudatoolkit --info
自己根据链接下载里面对应的包再本地安装,前提是我们得能搜索到对应的包啊,连包都搜索不到怎么安装(比如我们想安装11.1版本的cuda,我们至少得能搜索到cuda11.1啊,但这里的cudatoolkit连11.1都搜索不到。)
为什么conda能提供的cuda版本和cudnn版本这么少?我尝试运行了一下这两行命令进行搜索:
conda search cudatoolkit -c conda-forge
conda search cudnn -c conda-forge
这回能搜索到一系列的包。
确定原因:是网络和源的问题,导致conda搜索不到。
尝试换一下源再搜索:
#conda清除添加源,恢复默认源
conda config --remove-key channels
#添加一些清华源(有时候清华源崩了,可以换阿里源,阿里源崩了,可以换中科大源。国内安环境遇到问题,比如查找不到包的问题,很多都是网络的问题)
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/pytorch/
这时候再重新运行命令:
conda search cudatoolkit
conda search cudnn
这时候就能显示一系列能安装的conda 包了(conda搜索不到包,还是源的问题。)
这时候运行命令就可以了:
conda install cudatoolkit==xx.xx
conda install cudnn==xx.xx
有时候直接去搜索conda-forge,去安装的时候,因为服务器没法访问外网,如果不是用源里面的文件,可能下载速度会很慢。我们可以使用这条命令:
conda search cudatoolkit --info
访问搜索出来的包的url,然后自己下载好,上传到服务器上,之后使用命令安装。
比如我们下载的两个包是cudatoolkit-11.3.1-h2bc3f7f_2.conda和cudnn-8.2.1-cuda11.3_0.conda,我们可以运行这两个命令进行安装。(下载的如果是压缩包,记得解压)
conda install ./cudatoolkit-11.3.1-h2bc3f7f_2.conda
conda install ./cudnn-8.2.1-cuda11.3_0.conda
conda list | grep cudatoolkit
conda list | grep cudnn
实际上我们没必要把每一步都按照自己的想法去强迫其实现,这样会很浪费我们的时间,有时候同一张卡,我们直接升降配置换个镜像,就可以配好了。这能极大的提升我们做科研的速度。(不过我还是想把整体配环境的流程配一遍)
比如我们想安装cuda11.1.1和配套的cudnn7.6.5,我们首先要在nvidia官网的cuda-toolkit页面下载cuda11.0。
我们点进该页面,之后选择相关的文件,然后下载就可以了。
之后按照这个页面下面的链接运行即可成功安装上。
之后是配置cuda的环境变量的部分。具体安装过程如图所示:安装CUDA并配置环境变量。或参考这个帖子的配置环境变量过程:Linux系统下CUDA和cuDNN环境配置 。
接着我们进入nvidia-cudnn网址进一步下载cudnn
(这一步需要登陆)
安装cudnn之后,要执行一些列复制头文件的命令,参考此网址即可。对命令具体不懂的,可以询问ChatGPT 。
我之前的autodl设置的环境一直是cuda10.1,然后conda里安装的cudatoolkit也是10.1的版本,所以一直没发现这个问题,。
当换了另一个服务器后,另一个服务器没有安装cuda10.1,conda安装了10.1版本的cudatoolkit之后无法使用nvcc命令,同时apex也无法正常安装(一直调用的外部的不匹配的cuda)
命令行运行命令
nvcc -V
或
nvcc --version
发现提示没有nvcc。
这是因为conda安装的cuda是不完全的版本。如果想使用conda安装具有nvcc的cuda,有两个办法:
安装具有nvcc功能的cuda包。 参考以下三个网址:在Conda/无网络服务器/非root情况下安装Apex,安装cudatoolkit时Nvcc丢失?,Nvcc missing when installing cudatoolkit?.
conda search cudatoolkit
conda install -c conda-forge cudatoolkit-dev=10.1
上面第一句,如果网络不好的话可能搜索不到,直接安装cudatoolkit-dev就行了。网络好的服务器可以直接安装(不过暂时没有去试过只安装dev,不安装cuda能不能使用apex,至少conda下有nvcc功能了)
安装nvidia官网提供的cuda包。(nvidia conda channel is now available: nvidia/cuda and nvcc is in it.)
里面的示例安装命令是:
conda install cuda -c nvidia/label/cuda-11.3.0
但是似乎这个cuda包没有我们需要的系统版本(cuda10.1),里面有的版本都包含在这个网址里了:
nvidia / packages / cuda 12.3.0
比如官网的conda安装命令是:
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 -c pytorch
实际上这个版本还有对应的pip安装命令:
pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html
在安装pytorch的过程中,我们还可以换源
换源安装pytorch
pytorch离线下载网址
比如如果pytorch官网告诉我们的安装命令是:
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 -c pytorch
我们可以去上面的离线包下载网址,把对应python版本和cuda版本的pytorch,torchvision还有torchaudio都下载上:
torchvision-0.9.0+cu111-cp38-cp38-linux_x86_64.whl
torchaudio-0.8.0-cp38-cp38-linux_x86_64.whl
torch-1.8.0+cu111-cp38-cp38-linux_x86_64.whl
之后我们把下载的包上传到服务器以后,在本地路径上直接pip安装就可以了。
pip install torch-1.8.0+cu111-cp38-cp38-linux_x86_64.whl
pip install torchvision-0.9.0+cu111-cp38-cp38-linux_x86_64.whl
pip install torchaudio-0.8.0-cp38-cp38-linux_x86_64.whl
不过本地安装pytorch的whl文件的一个问题就是,我们可能需要改一下文件的名字(因为新版的pip必须把文件名按规定的语法来修改才能安装上)
具体可以参考这三个网址:ERROR: torch-1.12.0+cu116-cp38-cp38-win_amd64.whl is not a supported wheel on this platform.,xxx.whl is not a supported wheel on this platform-查看pip支持的安装包版本,用whl安装pytorch踩坑实录(whl is not a supported wheel on this platform.)
我改了文件名后,成功安装上了。
我改的文件名:
torch-1.8.0+cu111-py38-none-linux_x86_64.whl
然后就成功安装上了
pip install torchvision-0.9.0+cu111-py38-none-linux_x86_64.whl
最后:
pip install torchaudio-0.8.0-py38-none-linux_x86_64.whl
import torch
print(torch.__version__)
print(torch.cuda.is_available())
# 打印当前可见可用的GPU数目
print(torch.cuda.device_count())
# 获取GPU名字
print(torch.cuda.get_device_name())
# 获取torch运行的cuda版本
torch.version.cuda
这个同样是源或网络的问题,autodl有一个学术加速。
这里一看几条参考命令就都懂了。
比如我们之前conda安装了gcc和g++,但是软链接的是高版本的gcc和g++,现在无法使用,那么就可以这样:
先删除之前版本的gcc和gxx
conda remove gcc_linux-64
conda remove gxx_linux-64
再安装对应版本的gcc和gxx
conda search gcc
conda search gxx
conda install gcc_linux-64=7.3.0
conda install gxx_linux-64=7.3.0
如果之前已经加上了软连接,那先删除之前的软连接 (通过这条命令,再通过下面的建立软链接的命令可以看出,软链接就是创建了一个文件,访问这个文件时可以链接访问到我们真的希望他访问的文件。比如这里创建的文件是在环境的bin下创建了gcc和g++两个文件,结合下面添加新的软链接可以理解清楚,访问bin/gcc时,实际访问的是bin/x86_64-conda_cos6-linux-gnu-gcc,也就是我们conda实际安装的gcc文件)
rm /home/fengsiyuan/anaconda3/envs/scene_graph_benchmark/bin/gcc
rm /home/fengsiyuan/anaconda3/envs/scene_graph_benchmark/bin/g++
添加新的软链接
ln -s /home/fengsiyuan/anaconda3/envs/scene_graph_benchmark/bin/x86_64-conda_cos6-linux-gnu-gcc /home/fengsiyuan/anaconda3/envs/scene_graph_benchmark/bin/gcc
ln -s /home/fengsiyuan/anaconda3/envs/scene_graph_benchmark/bin/x86_64-conda_cos6-linux-gnu-g++ /home/fengsiyuan/anaconda3/envs/scene_graph_benchmark/bin/g++
当然,有的系统没有用conda,软链接链接的是usr/local/bin下的gcc和g++,那就是另一回事了
比如我今天在复现cogtree的时候,因为scene graph generation benchmark我一直用的python是3.8,但是cogtree在最后nbdt文件夹安装相应包的时候,报错需要使用python3.9这个包。那我需要重新设置一个conda环境,把所有的安装流程都重复一遍吗?可能不用,我可能只需要这样一条命令:
conda install python=3.9
当然也不绝对,有的环境的其他包都是根据python3.8来安装的,这样升级可能会使其他包出错。不过可以先跑一下试试