PyTorch 开发环境搭建

简介: PyTorch 开发环境搭建

Anaconda下载及安装

简介

  • Anaconda官网:https://www.anaconda.com/
  • Anaconda是一个开源的Python发行版本,包含了180+的科学包及其依赖项,可以方便获取开发所需要的包,并且对包进行管理,其中的科学包有:condanumpy

下载

安装

  • 先卸载电脑上安装的Python,因为安装Anaconda的时候会安装相应的Python版本
  • 打开cmd命令行窗口检查安装情况,如下图所示说明未安装Python
    1-2检查.jpg
  • 点击Anaconda安装包进行安装,其他选项按默认选择
  • 更改安装路径(注:安装路径中不要出现中文和空格)
    2-选择安装路径.jpg
  • 两个都勾选上
  • 第一个:将Anaconda自动添加环境变量,建议勾选,之后不用手动添加环境变量
  • 第二个:将Anaconda所带的Python3.8设置为系统默认的Python版本
  • 3-安装设置.jpg
  • 验证是否安装成功
  • 在终端输入Python,如果安装成功会显示Python版本号,且版本号旁边有Anaconda等字样
    4-查看python.jpg
    Warning中的内容是说环境未激活,后续操作会激活
  • 也可以输入conda list查看安装的包和其对应版本
    5-conda列表.jpg
  • 也可以打开Anaconda Powershell Prompt,显示(base)说明安装成功
    6-anaconda.jpg

创建新环境

  • 打开Anaconda Powershell Prompt
  • 语法:
condacreate--name<env_name><package_names>
  • conda:用来管理版本和Python环境的工具
  • create:创建环境
  • --name:为创建的环境命名,可以简写为-n
  • <env_name>:创建的环境名,推荐英文且不加空格
  • <package_names>:安装在环境中的包名,如果有多个包可以用空格隔开
  • 示例:
condacreate--namepy38python=3.8
  • 意思是:创建一个名为“py38”的环境,环境中安装版本为3.8的python
  • 过程:

7-创建环境.jpg

  • 输入y,安装所需要的包

8-安装包.jpg

  • 创建完成

9-安装完成.jpg

激活环境

  • 创建完成后,有两个选项
  • To activate this environment:输入命令激活环境
  • To deactivate an active environment:输入命令退出环境
  • 激活环境
    10-激活环境.jpg
    当(base)变为环境名(py38)就说明环境已经被激活了
  • 激活后输入pip list查看环境中有哪些包
    11-查看包.jpg
    其中没有PyTorch,接下来安装PyTorch

PyTorch安装

简介

  • PyTorch是一个基于python的科学计算包,主要为使用者提供了两大功能
  • 作为Numpy的替代品, 向用户提供使用GPU的强大算力来实现神经网络的加速
  • 为用户提供了一个高灵活性,速度快的深度学习平台

conda换国内源

  • 为提高安装速度可以使用国内镜像源,提高下载速度,以下操作均在终端进行
  • 查看源
condaconfig--show-sources
  • 添加源
condaconfig--addchannels源地址
https://mirrors.bfsu.edu.cn/anaconda/pkgs/mainhttps://mirrors.bfsu.edu.cn/anaconda/pkgs/rhttps://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
  • 删除源
condaconfig--removechannels源地址

安装

  • 查看电脑显卡:可以在任务管理器->性能中查看显卡内容
  • 无英伟达显卡:Compute Platform选择cpu,并复制指令到Anaconda Powershell Prompt中运行

13-无英伟达显卡.jpg

  • 有英伟达显卡:需要电脑上有单独的英伟达的显卡或者英伟达的显卡和集显
  • 在终端输入nvidia-smi查看驱动版本,如果Driver Version小于400的话需要去英伟达显卡驱动下载

15-查看驱动版本.jpg

  • 选择CUDA10.2,更稳定一些

14-有英伟达显卡.jpg

  • 打开Anaconda Powershell Prompt,输入指令

16-输入指令.jpg

  • 输入y进行安装

17-进行安装.jpg

  • 安装完成后输入pip list,查看安装完成的包
    18-验证安装.jpg

检验安装

  • Anaconda Powershell Prompt中输入python,并输入以下代码
importtorchtorch.cuda.is_available()
  • 如果返回True,说明安装成功
    19-检查包.jpg
相关文章
|
机器学习/深度学习 并行计算 PyTorch
Pytorch的安装以及入门使用
Pytorch的安装以及入门使用
313 0
|
6月前
|
PyTorch 算法框架/工具 Python
pytorch安装教程
pytorch安装教程
137 0
|
机器学习/深度学习 并行计算 PyTorch
PyTorch安装教程
PyTorch是学习深度学习时常用的Python神经网络框架,本文将介绍其部分版本的安装方式。Windows和Linux通用。 作者使用anaconda作为管理虚拟环境的工具。以下工作都在虚拟环境中进行,对Python和Aanaconda的安装及对虚拟环境的管理本文不作赘述,后期可能会撰写相关的博文。
PyTorch安装教程
|
6月前
|
并行计算 TensorFlow 算法框架/工具
Tensorflow2 环境搭建
Tensorflow2 环境搭建
95 0
|
6月前
|
机器学习/深度学习 存储 TensorFlow
TensorFlow 2.0 快速入门指南:第三部分
TensorFlow 2.0 快速入门指南:第三部分
186 0
|
6月前
|
机器学习/深度学习 TensorFlow API
TensorFlow 2.0 快速入门指南:第一部分
TensorFlow 2.0 快速入门指南:第一部分
203 0
|
6月前
|
机器学习/深度学习 算法 TensorFlow
TensorFlow 2.0 快速入门指南:第二部分
TensorFlow 2.0 快速入门指南:第二部分
72 0
|
TensorFlow 算法框架/工具 异构计算
YOLO实践应用之搭建开发环境(Windows系统、Python 3.8、TensorFlow2.3版本)
基于YOLO进行物体检测、对象识别,先和大家分享如何搭建开发环境,会分为CPU版本、GPU版本的两种开发环境,本文会分别详细地介绍搭建环境的过程。主要使用TensorFlow2.3、opencv-python4.4.0、Pillow、matplotlib 等依赖库。
289 0
|
TensorFlow 算法框架/工具 Python
【学习】TensorFlow2环境配置
【学习】TensorFlow2环境配置
71 0
|
Ubuntu TensorFlow 算法框架/工具
最新 Tensorflow 2.2极简安装教程 | 学习笔记
快速学习最新 Tensorflow 2.2极简安装教程
最新 Tensorflow 2.2极简安装教程 | 学习笔记