https://syl.moe5200.com/tags/pytorch/ Recent content in PyTorch on 33 Hugo zh-cn 2026 33 Sun, 28 Jun 2026 02:30:00 +0000 https://syl.moe5200.com/posts/engineering/deep-learning-environment-setup/ Sun, 28 Jun 2026 02:30:00 +0000 https://syl.moe5200.com/posts/engineering/deep-learning-environment-setup/ <p>环境作为一个新手劝退，老手浪费时间的东西 就算已经完全熟练配置环境也会遇到各种问题</p> <p>本人短时间内经历了笔记本/服务器等四到五次完整环境的搭建，从CUDA torch版本不适配-到数据集/模型太大上传太慢，再到没有科学上网安装不了git包等等各种问题 每次配置环境都需要花费3-4个小时的时间，为避免后续再次浪费时间（和算力）整理了自己学习以来配置环境的经验 个人感觉还是涵盖了大部分情况的，后续有新的方法会继续更新笔记，如有好的方法虚心求教~</p> <h2 id="通用">通用</h2> <p>一&raquo;初始配置 配置CUDA 配置显卡驱动 配置miniconda/miniforge3/anconda（这里推荐miniconda） 配置清华源（如果apt更新慢这里也可以配置清华源） 创建conda环境</p> <p>二&raquo;配置conda环境/UV环境 1：对于复现论文/复现别人项目 在pyproject.toml中将与torch相关的注释掉 根据自身CUDA版本安装torch （50系显卡使用cu128） 根据你的项目pip install -e . 跑训练/推理脚本 缺什么补什么 2：对于自己的项目 根据自身CUDA版本安装torch （50系显卡使用cu128） 用什么安装什么 三&raquo;&gt;下载数据集/模型 统一推荐使用hfd镜像+aria2c下载，速度能稳定15MB跑满带宽 其他的方式都尝试过，最终不如这个 wget hfd.sh下载脚本 sudo apt install aria2 chmod a+x hfd.sh export HF_ENDPOINT=镜像网站 export HFD_DOWNLOADER=&ldquo;aria2c -x 16 -s 16 -k 1M&rdquo; 你的脚本地址 下载模型/数据集参数 下载地址</p> <h2 id="服务器">服务器</h2> <p>对于服务器，优先在本地做好代码和环境，后续直接打包上传，也可以镜像整体迁移 1：本地-&gt;服务器 1使用filezilla等SFTP协议的上传工具，注意使用高宽带网络（热点）校园网慢点 2将所有的代码上传，不要上传数据集/模型权重 3数据集/模型权重直接使用通用里面的下载命令下载到服务器（上传会慢） 4配置conda环境 2：直接服务器（没有魔法的话） 1先在本地git clone好，然后上传 2在本地下载好魔法安装不了的环境，然后上传服务器安装 2下载数据集/模型权重 3配置conda环境</p> <h2 id="常见问题解决">常见问题解决</h2> <p>1：GPU无法使用—&gt;torch版本不对 print(torch.cuda.is_available())确定能不能使用 记住自己是什么torch版本，配置环境先配置好torch 2：下载速度巨慢/连接超时！！！ 对于模型/数据集：使用我上述的方法 对于环境包：配置清华源，不行使用aria2c下载安装，再不行找一个有魔法的机子再上传 3：版本不适配/报错 根据自己的项目先确定好自己到底要用什么！ 不要后面不断改把环境搞脏了 先确定好环境-针对能改的包进行更新 每次环境跑通后，记录： pip freeze &gt; requirements_freeze.txt conda env export &gt; environment.yaml 4：</p>