ubutun/linux(终端)安装anaconda3以及pytorch

简介: ubutun/linux(终端)安装anaconda3以及pytorch

1.下载anaconda3

首先下载anaconda,由于官网的下载速度十分缓慢,而且还不支持断点续传,经常下载失败。故而,去国内的镜像站点下载:

42.png


选择对应的版本下载,下载完成后上传到linux机器上去,服务器选择filezilla上传,虚拟机直接拖拽进去就ok了,这里我的linux服务器,并且ubutun系统版本18.0.4,这里下载的Anaconda3-5.2.0-Linux-x86_64.sh


2.安装anaconda3

以服务器为例,将sh文件拖拽到了/home/max/anaconda3/xx.sh下,切换到该目录(也可以自己创建别的),在命令行输入:

bash Anaconda3-5.2.0-Linux-x86_64.sh


一路回车+输入yes即可。

3.配置环境

sudo gedit ~/.bashrc

43.png

在.bashrc文件末尾添加你安装的anaconda3的位置,这里需要注意的是:

1)gedit 命令可能找不到,需要安装,可以使用vim命令代替,即:

sudo vim  ~/.bashrc


2)anaconda3的安装路径,可能会安装到别的地方,应该是一路yes回车的原因,这里我一路回车安装到了/root/anaconda3,所以上面的环境配置要改到/root/anaconda3/bin.

最后,在命令行输入:

conda -V


显示出版本,说明安装成功。


4.创建虚拟环境

为pytorch创建一个虚拟环境,这是推荐的做法,这样在创建其他环境如tensorflow时,就不会互相冲突。下面创建了一个名为pytorch,python版本为3.6的虚拟环境。

conda create -n pytorch python=3.6

于是我们可以把Pytorch安装在pytorch环境下面,首先激活该虚拟环境:

source activate pytorch

激活后,会看到前面会显示(pytorch):

44.png

注:这里需要注意的是在创建虚拟环境的时候,可能因为网络的原因导致失败,如:

CondaHTTPError: HTTP 000 CONNECTION FAILED for url,这里推荐改成国内镜像:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

进行查看:

cat ~/.condarc

45.png

修改成功,这里可以看到有defaults,然后将其所在的行删除,并且把https改成http。

5.安装pytorch

在pytorch官网:https://pytorch.org/,选择适合自己电脑版本的pytorch。

46.png

这里是目前最新的pytorch1.6.0,也可以安装之前的版本,选择linux、conda、python等,其中如果安装gpu版本的则需要选择cuda,如果只是cpu的,则选择None,友情提醒一下,安装gpu的话,需要选择合适的cuda版本,主要规则见xxx(以后会补)。

复制选择好的配置下面的命令:


conda install pytorch torchvision -c pytorch

一路回车,全部安装即可,如果部分安装失败,可以多试几次该命令。

注意:

因为换了镜像源,要把命令后面的-c pytorch去掉,这样才会使用自己配置的镜像。

6.检测pytorch安装成功与否

在pytorch激活环境下,输入python:

python

然后,依次输入:

import torch 
print(torch.__version__) 
#如果返回版本信息,则安装成功

最后退出:

exit()


其中关闭激活环境的命令:

source deactivate pytorch


7.conda问题

其中利用conda命令安装库的时候,应该保持conda版本最新,所以需要在激活环境下使用该命令:

conda update conda


该命令,可能会遇到:

“ImportError: libGL.so.1: cannot open shared object file: No such file or directory”

解决方案:

sudo apt update
sudo apt install libgl1-mesa-glx

然后在conda update conda即可:

conda update conda


8.网络问题

conda安装库的时候,可能会出现:

CondaHTTPError: HTTP 000 CONNECTION FAILED for url

这个上面通过国内镜像解决了,但是有时候也会遇到,这里只需要多试几遍,一般就可以了。

目录
相关文章
|
2月前
|
Ubuntu Linux
任何Ubuntu用户都应安装的四大Linux应用程序
当然,这款程序不需要太多介绍。我们面对的是网上最庞大最完整的多媒体中心,由于丰富的插件,我们能够高度细化地定制其每一项功能。这是我们的Linux发行版不可或缺的必备软件。 我们可以通过运行以下命令来轻松安装Kodi:sudo apt install kodi。
|
2月前
|
弹性计算 安全 Linux
阿里云服务器ECS安装宝塔Linux面板、安装网站(新手图文教程)
本教程详解如何在阿里云服务器上安装宝塔Linux面板,涵盖ECS服务器手动安装步骤,包括系统准备、远程连接、安装命令执行、端口开放及LNMP环境部署,手把手引导用户快速搭建网站环境。
|
2月前
|
安全 Ubuntu Linux
如何安装Linux操作系统?
此时,您可以选择重新启动计算机,然后从硬盘上的Linux系统启动。以上是一个大致的安装过程。请注意,不同的Linux发行版可能会在细节上有所差异,因此在进行安装之前,请确保您阅读并理解了相应发行版的安装指南或文档。
|
2月前
|
Ubuntu Linux 数据安全/隐私保护
Win10安装Linux子系统教程!如何在Win10系统中安装Ubuntu!
登录系统后,输入cd /返回上一级,然后再输入“ls”查看一下系统文件目录,看看对不对!
|
2月前
|
Ubuntu Linux Shell
手把手教你安装适用于Linux的Windows子系统——Ubuntu
重启完成,你看看重新打开Ubuntu是不是发生了变化,等待几分钟,系统配置完成,根据提示设置用户名和密码即可
|
13天前
|
机器学习/深度学习 数据采集 人工智能
PyTorch学习实战:AI从数学基础到模型优化全流程精解
本文系统讲解人工智能、机器学习与深度学习的层级关系,涵盖PyTorch环境配置、张量操作、数据预处理、神经网络基础及模型训练全流程,结合数学原理与代码实践,深入浅出地介绍激活函数、反向传播等核心概念,助力快速入门深度学习。
66 1
|
5月前
|
机器学习/深度学习 PyTorch API
PyTorch量化感知训练技术:模型压缩与高精度边缘部署实践
本文深入探讨神经网络模型量化技术,重点讲解训练后量化(PTQ)与量化感知训练(QAT)两种主流方法。PTQ通过校准数据集确定量化参数,快速实现模型压缩,但精度损失较大;QAT在训练中引入伪量化操作,使模型适应低精度环境,显著提升量化后性能。文章结合PyTorch实现细节,介绍Eager模式、FX图模式及PyTorch 2导出量化等工具,并分享大语言模型Int4/Int8混合精度实践。最后总结量化最佳策略,包括逐通道量化、混合精度设置及目标硬件适配,助力高效部署深度学习模型。
670 21
PyTorch量化感知训练技术:模型压缩与高精度边缘部署实践
|
13天前
|
机器学习/深度学习 存储 PyTorch
Neural ODE原理与PyTorch实现:深度学习模型的自适应深度调节
Neural ODE将神经网络与微分方程结合,用连续思维建模数据演化,突破传统离散层的限制,实现自适应深度与高效连续学习。
52 3
Neural ODE原理与PyTorch实现:深度学习模型的自适应深度调节
|
2月前
|
PyTorch 算法框架/工具 异构计算
PyTorch 2.0性能优化实战:4种常见代码错误严重拖慢模型
我们将深入探讨图中断(graph breaks)和多图问题对性能的负面影响,并分析PyTorch模型开发中应当避免的常见错误模式。
134 9
|
7月前
|
机器学习/深度学习 JavaScript PyTorch
9个主流GAN损失函数的数学原理和Pytorch代码实现:从经典模型到现代变体
生成对抗网络(GAN)的训练效果高度依赖于损失函数的选择。本文介绍了经典GAN损失函数理论,并用PyTorch实现多种变体,包括原始GAN、LS-GAN、WGAN及WGAN-GP等。通过分析其原理与优劣,如LS-GAN提升训练稳定性、WGAN-GP改善图像质量,展示了不同场景下损失函数的设计思路。代码实现覆盖生成器与判别器的核心逻辑,为实际应用提供了重要参考。未来可探索组合优化与自适应设计以提升性能。
460 7
9个主流GAN损失函数的数学原理和Pytorch代码实现:从经典模型到现代变体

热门文章

最新文章