记录一下当前 Python 涉及的一些环境配置。

基本信息

当前本地以及服务器的Python和CUDA的基本信息如下：

  • Windows（以及WSL）：
    • 系统 Windows 11
    • miniconda
    • Python 版本为 3.12.1
    • CUDA 驱动最高支持版本 12.8
    • CUDA Toolkit 版本 12.4（nvcc --version）
  • GPU服务器：
    • 系统 Ubuntu 20.04
    • anaconda
    • Python 版本为 3.12.7
    • CUDA 驱动最高支持版本 12.4
    • CUDA Toolkit 版本 12.1

为了尽量保持本地和服务器的版本一致，选择使用 Python 3.12.x，CUDA 12.4。 这里并没有刻意保证Python的小版本号一致，直接使用默认的Python版本，反正不同系统的包实际上也有很多区别。

常用包

记录一些常用的包 

1
2
3
4
5
6
7
8
# 必备
conda install numpy scipy pandas matplotlib seaborn scikit-learn sympy jupyter

# 支持import ipynb文件
pip install import-ipynb

# 进度条
conda install tqdm

VSCode Python 配置

VSCode 与 Python 有关的插件如下：（巨硬把这些插件拆分的实在太细了）

  • Python
  • Python Debugger
  • Pylance：Python语言服务器，支持自动补全、代码提示等
  • Black Formatter：代码格式化
  • Flake8：代码静态分析
  • Jupyter 插件包：
    • Jupyter
    • Jupyter Keymap
    • Jupyter Cell Tags
    • Jupyter Notebook Renderers
    • Jupyter Slide show

下面是目前VSCode关于Python的配置（2025年3月5日） 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
"[python]": {
    "editor.defaultFormatter": "ms-python.black-formatter",
    "editor.formatOnType": true,
    "editor.unicodeHighlight.allowedLocales": {
        "zh-hans": true,
        "zh-hant": true
    },
},

//[[Python]]
"python.terminal.activateEnvironment": false,
"python.languageServer": "Pylance",
"python.analysis.typeCheckingMode": "basic",
// python格式化基于black(需要单独vscode插件以及conda下载对应模块)
// python静态分析基于flake8(需要单独vscode插件以及conda下载对应模块)
// flake8静态分析的设置 flake8.severity
"flake8.severity": {
    "E": "Hint",
    "F": "Warning"
},
"black-formatter.args": [
    "--verbose",
],
"flake8.showNotifications": "onError",
"python.analysis.diagnosticSeverityOverrides": {
    "reportGeneralTypeIssues": "none"
},
"jupyter.askForKernelRestart": false,
"notebook.cellToolbarLocation": {
    "default": "right",
    "jupyter-notebook": "right"
},
"notebook.markup.fontSize": 16,
"notebook.output.textLineLimit": 50,
"notebook.output.scrolling": true,
"notebook.lineNumbers": "on",
"notebook.outline.showCodeCells": true,
"notebook.outline.showMarkdownHeadersOnly": false,
"notebook.diff.ignoreMetadata": true,

其中大部分都是细节配置，需要注意的是要单独下载 black 和 flake8 包 

1
conda install black flake8

如果语法高亮等出现问题，最好先清理相关的配置缓存并重启VSCode，可以解决不少问题。

PyTorch 安装要求 / 安装命令

目前官网的 PyTorch 稳定版为 2.6.0，要求：

  • python >= 3.9
  • 支持 cuda 12.4、cuda 12.6 或 cpu 版本
  • 建议使用 pip 安装，只提供 pip 安装命令，不再提供 conda 安装命令

目前官网提供的几种安装命令如下 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# (*) windows cuda=12.4
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

# windows cuda=12.6
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

# windows cpu
pip3 install torch torchvision torchaudio

# (*) linux cuda=12.4
pip3 install torch torchvision torchaudio

# linux cuda=12.6
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

# linux cpu
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

解释一下：

  • torch: 是 PyTorch 基础库，提供张量计算和自动求导等基础功能。
  • torchvision: 是 PyTorch 的一个子模块，专门用于视觉处理任务。
  • torchaudio: 是 PyTorch 的另一个子模块，专门用于音频处理任务。

conda 环境配置记录

Windows 的 conda 环境 myenv-pytorch 的配置记录：

1
2
3
4
5
6
7
8
9
10
11
# 创建环境
conda create --name myenv-pytorch python=3.12.1

# 激活环境
conda activate myenv-pytorch

# 确保在激活的conda环境中使用pip
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

# 安装常用包
conda install numpy scipy pandas matplotlib seaborn scikit-learn sympy jupyter

GPU服务器的 conda 环境 myenv-pytorch-linux 的配置记录：

1
2
3
4
5
6
7
8
9
10
11
# 创建环境
conda create --name myenv-pytorch-linux python=3.12.7

# 激活环境
conda activate myenv-pytorch-linux

# 确保在激活的conda环境中使用pip
pip3 install torch torchvision torchaudio

# 安装常用包
conda install numpy scipy pandas matplotlib seaborn scikit-learn sympy jupyter

注意：

  • 不要随便升级numpy，这可能导致pytorch无法正常运行。
  • 上面两个conda环境中实际选择的numpy版本不一样，可能是python版本和平台差异导致的。

PyTorch 测试脚本

可以跑一段 Python 脚本来检测当前环境安装的 PyTorch 是否正常运行，是否支持使用CUDA，以及检测GPU的信息 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
import torch

# 1. 检查是否有可用的 GPU
if torch.cuda.is_available():
    print("GPU 可用")
else:
    print("GPU 不可用")

# 2. 获取可用的 GPU 数量
num_gpus = torch.cuda.device_count()
print(f"当前可用的 GPU 数量: {num_gpus}")

# 3. 获取第一个 GPU 的名称
if num_gpus > 0:
    gpu_name = torch.cuda.get_device_name(0)  # 0 是第一个 GPU
    print(f"第一个 GPU 名称: {gpu_name}")

# 4. 获取 GPU 的详细信息
if torch.cuda.is_available():
    print(f"GPU 数量: {torch.cuda.device_count()}")
    for i in range(torch.cuda.device_count()):
        print(f"GPU {i} 名称: {torch.cuda.get_device_name(i)}")
        print(f"GPU {i} 内存总量: {torch.cuda.get_device_properties(i).total_memory / (1024 ** 3):.2f} GB")
        print(f"GPU {i} 计算能力: {torch.cuda.get_device_properties(i).major}.{torch.cuda.get_device_properties(i).minor}")

例如在个人笔记本的输出 

1
2
3
4
5
6
7
GPU 可用
当前可用的 GPU 数量: 1
第一个 GPU 名称: NVIDIA GeForce RTX 4060 Laptop GPU
GPU 数量: 1
GPU 0 名称: NVIDIA GeForce RTX 4060 Laptop GPU
GPU 0 内存总量: 8.00 GB
GPU 0 计算能力: 8.9

在GPU服务器上的输出 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
GPU 可用
当前可用的 GPU 数量: 6
第一个 GPU 名称: NVIDIA RTX A6000
GPU 数量: 6
GPU 0 名称: NVIDIA RTX A6000
GPU 0 内存总量: 47.53 GB
GPU 0 计算能力: 8.6
GPU 1 名称: NVIDIA RTX A6000
GPU 1 内存总量: 47.53 GB
GPU 1 计算能力: 8.6
GPU 2 名称: NVIDIA RTX A6000
GPU 2 内存总量: 47.53 GB
GPU 2 计算能力: 8.6
GPU 3 名称: NVIDIA RTX A6000
GPU 3 内存总量: 47.53 GB
GPU 3 计算能力: 8.6
GPU 4 名称: NVIDIA RTX A6000
GPU 4 内存总量: 47.53 GB
GPU 4 计算能力: 8.6
GPU 5 名称: NVIDIA RTX A6000
GPU 5 内存总量: 47.53 GB
GPU 5 计算能力: 8.6

补充

目前在Python项目中使用的.gitignore模板如下 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
__pycache__/
*.py[cod]
*.so
*.dll
*.dylib

.ipynb_checkpoints/

env/
venv/
*.env
*.venv

build/
dist/
*.egg-info/

*.npy
*.npz
*.pt
*.pth

*.log
*.out
*.tmp