win10安装minconda+pytorch

本文涉及的产品
交互式建模 PAI-DSW,5000CU*H 3个月
简介: 本文主要说明在win10笔记本上的安装minconda和pytorch,以图文结合的方式记录安装步骤,供参考学习。

本文主要说明在win10笔记本上的安装minconda和pytorch。
一、minconda安装
1、minconda简介
Miniconda,是anaconda精简版本,只包含python与conda两个工具包,以及相关的必须依赖项,对于硬盘空间有限的用户来说,Miniconda是一个很好的选择。
2、minconda安装
Miniconda下载地址:https://conda.io/en/latest/miniconda.html
根据自己需要的python版本,选择下载对应的minconda程序。
image.png
下载完成后点击EXE程序进行安装,如果C盘空间充足的,可以一路next,如果C盘空间有限,可以更改安装位置。
除了安装位置需要确认外,还有两个需要确认的地方,如下图所示,建议两个复选框都勾选。image.png
第一个复选框,表示把minconda3是否加入系统环境变量,推荐勾选,勾选之后可以在命令行中直接用python、conda等命令;
第二个复选框,表示是否设置minconda3所带的Python 3.8为系统默认的Python版本。
3、minconda测试
安装完成以后,就可以打开cmd测试一下安装结果。打开命令行终端,然后输入python,查看python版本。
4、修改镜像源
minconda安装成功之后,我们需要修改其包管理镜像为国内源,如果使用国外的源(默认是国外的源),下载软件会很慢。
安装完miniconda之后,可以查看C盘地址下(windows用户地址为:C:\Users\用户名\)面的.condarc文件(记事本打开),如果没有在命令行终端中先执行conda config --set show_channel_urls yes生成该文件。
image.png
将清华源官网上的文件(如下图所示)拷贝到.condarc文件中保存。
清华源配置说明地址:https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/![image.png](https://ucc.alicdn.com/pic/developer-ecology/ly2ypejvyefr4_409d325c3d884de8bd923091832c5171.png)
至此,minconda软件包安装完成,可以在命令行中使用conda管理虚拟环境。

二、pytorch安装
Pytorch的安装,可以去官网找到对应的安装命令即可,不过有可能官网的命令下载很慢(pytorch包有几个G)。
小编选择另外一条安装路径,先现在pytorch包。
下载地址:download.pytorch.org/whl/torch_stable.html
然后根据cuda的版本、python版本和想要安装的pytorch版本,下载whl压缩包。小编cuda版本为11.7,python版本为3.9,win10操作系统,然后选择torch版本为1.13.1
image.png
下载下来的文件
image.png
下载后放在某个文件下,然后在命令行中进入该文件目录下(小编把下载的文件放在D盘),运行以下命令时一定要进入 torch-1.13.1+cu117-cp39-cp39-win_amd64.whl文件所在目录。
pip install torch-1.13.1+cu117-cp39-cp39-win_amd64.whlimage.png
安装完成后,可以查看pytorch的版本
image.png
至此,pytorch安装完成,下一步可以实战深度学习了。

目录
相关文章
|
1月前
|
并行计算 PyTorch 算法框架/工具
anaconda+pytorch+opencv安装及环境配置
anaconda+pytorch+opencv安装及环境配置
217 0
|
1月前
|
PyTorch 算法框架/工具 Python
pytorch安装教程
pytorch安装教程
53 0
|
27天前
|
PyTorch 算法框架/工具
在conda中如何查看安装的pytorch版本 - 蓝易云
这个命令会列出所有与pytorch相关的包,包括它们的版本号。你可以在列表中找到pytorch的版本号。
50 1
|
1月前
|
机器学习/深度学习 人工智能 并行计算
PyTorch入门指南:从安装到基础操作
【4月更文挑战第17天】PyTorch入门指南介绍了安装、Tensor操作、自动微分、神经网络构建及训练。安装PyTorch可通过官网选择相应环境的预构建包或使用conda命令。Tensor是基本计算单元,支持多种操作。自动微分简化了梯度计算。使用`torch.nn`定义神经网络,如示例中的全连接网络。训练网络涉及前向传播、损失计算、反向传播和权重更新,常用优化器如SGD。模型评估与测试包括在验证集或测试集上计算性能指标,如准确率。本文为初学者提供了PyTorch基础操作的快速入门。
|
1月前
|
机器学习/深度学习 人工智能 PyTorch
【Hello AI】安装和使用AIACC-AGSpeed(优化PyTorch深度学习模型)
AIACC-AGSpeed(简称AGSpeed)专注于优化PyTorch深度学习模型在阿里云GPU异构计算实例上的计算性能,相比原始的神龙AI加速引擎AIACC,可以实现无感的计算优化性能。本文为您介绍安装和使用AGSpeed的方法。
|
1月前
|
机器学习/深度学习 编解码 PyTorch
Pytorch实现手写数字识别 | MNIST数据集(CNN卷积神经网络)
Pytorch实现手写数字识别 | MNIST数据集(CNN卷积神经网络)
|
3天前
|
机器学习/深度学习 自然语言处理 算法
【从零开始学习深度学习】49.Pytorch_NLP项目实战:文本情感分类---使用循环神经网络RNN
【从零开始学习深度学习】49.Pytorch_NLP项目实战:文本情感分类---使用循环神经网络RNN
|
3天前
|
机器学习/深度学习 PyTorch 算法框架/工具
【从零开始学习深度学习】30. 神经网络中批量归一化层(batch normalization)的作用及其Pytorch实现
【从零开始学习深度学习】30. 神经网络中批量归一化层(batch normalization)的作用及其Pytorch实现
|
3天前
|
机器学习/深度学习 算法 PyTorch
【从零开始学习深度学习】50.Pytorch_NLP项目实战:卷积神经网络textCNN在文本情感分类的运用
【从零开始学习深度学习】50.Pytorch_NLP项目实战:卷积神经网络textCNN在文本情感分类的运用
|
3天前
|
机器学习/深度学习 PyTorch 算法框架/工具
【从零开始学习深度学习】36. 门控循环神经网络之长短期记忆网络(LSTM)介绍、Pytorch实现LSTM并进行训练预测
【从零开始学习深度学习】36. 门控循环神经网络之长短期记忆网络(LSTM)介绍、Pytorch实现LSTM并进行训练预测