【Pytorch-入门】windows+Anaconda虚拟环境搭建(避免不必要的包冲突)

简介: 【Pytorch-入门】windows+Anaconda虚拟环境搭建(避免不必要的包冲突)

前言

实验需要,之前使的tensorflow【因为自己手边的服务器都是windows环境TT...】,但身边的师兄们用的都是pytorch,自己查了查现在做科研基本上都是用的pytorch,而且现在pytorch的windows版本也已经很成熟了,fastai深度学习库也受到了广泛的好评,所以...果断转!

环境搭建-windows-gpu版:

入门嘛当然是先搭建环境啦,网上资料蛮多的,这里我就记录一下我的搭建过程吧:

一、版本选择:

网上看看,现在pytorch最新版的都是1.0了哇,然而很多开源的项目用的还都是0.4版的,现在刚入门,还是基础为主,就选择最新版pytorch1.0吧!

二、系统需求:

1、Python:3.6及以上

2、操作系统环境:windows

系统 GPU CPU
linux binary binary
mac source binary
windows source source

备注binary = 直接可以安装, source = 必须从源码编译

三、通过Anaconda安装:

之前没安装过Anaconda的需要安装好之后再进行之后的操作![教程网上很多(有的也很坑,慎重选择!),这里不再赘述]

这里因为俺之前摸爬滚打,入了很多坑,所以有些操作就只简单解释一下,如果不懂可以自己查查或者留言~

1、使用Anaconda创建虚拟环境【防止出现你之前的许多包or环境与Python,PyTorch以及其他包的版本出现不兼容等玄学问题!】:

  • 查看当前存在哪些虚拟环境:conda env list 或 conda info -e

  • 创建python虚拟环境:
1. 使用 conda create -n your_env_name python=X.X(2.7、3.6等) anaconda 命令创建python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。
2. # 指定python版本为3.6,注意至少需要指定python版本或者要安装的包# 后一种情况下,不指定python版本,自动安装最新python版本
3. conda create -n env_name python=3.6
4. # 同时安装必要的包
5. conda create -n env_name numpy matplotlib python=3.6

  • 激活创建的虚拟环境:Windows: activate your_env_name(虚拟环境名称),这是使用python --version可以检查当前python版本是否为想要的。

 

2、在当前虚拟环境下通过conda安装pytorch:

如果和我一样准备安装的是gpu版的,注意一定要检查你的cuda版本,确保和你的系统保持一致。一般推荐的是cuda9.0版的【相对最新版要稳定的多】,如果没安装cuda,可以自行安装后再进行之后的步骤,推荐按照官网教程来:win10+cuda9.0+cuDNN 7.0+TensorFlow-gpu install steps【一定要注意版本匹配的问题!】:

  • 进入之前配置好的虚拟环境中:activate -虚拟环境名称(如果你忘记了之前的虚拟环境名称,输入:conda env list)
  • 安装每日编译 nightly 的 PyTorch,注意 cuda 的版本要和你自己的系统保持一致,比如在 CUDA 9.2 上安装:
conda install -c pytorch pytorch-nightly cuda92
  • 如果你的系统没有安装 cuda,那么可以通过下面的命令安装 cpu 版本的 PyTorch:
conda install -c pytorch pytorch-nightly-cpu

安装 fastai:

conda install -c fastai fastai
  • 如果安装过程有什么问题,请确保你的 conda 版本已经更新到最新:
conda update conda

3、安装成功后的测试:

因为是gpu版的,而且在windows上安装,难免会有许多玄学bug出现,这时是否能用,就要测试一下啦:

同样在之前的cmd虚拟环境中输入:

1. import torch # 如正常则静默
2. 
3. a = torch.Tensor([1.]) # 如正常则静默
4. 
5. a.cuda() # 如正常则返回"tensor([ 1.], device='cuda:0')"
6. 
7. from torch.backends import cudnn # 如正常则静默
8. 
9. cudnn.is_acceptable(a.cuda())  # 如正常则返回 "True"


AIEarth是一个由众多领域内专家博主共同打造的学术平台,旨在建设一个拥抱智慧未来的学术殿堂!【平台地址:https://devpress.csdn.net/aiearth】 很高兴认识你!加入我们共同进步!

相关实践学习
部署Stable Diffusion玩转AI绘画(GPU云服务器)
本实验通过在ECS上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。
目录
相关文章
|
2月前
|
PyTorch Linux 算法框架/工具
pytorch学习一:Anaconda下载、安装、配置环境变量。anaconda创建多版本python环境。安装 pytorch。
这篇文章是关于如何使用Anaconda进行Python环境管理,包括下载、安装、配置环境变量、创建多版本Python环境、安装PyTorch以及使用Jupyter Notebook的详细指南。
303 1
pytorch学习一:Anaconda下载、安装、配置环境变量。anaconda创建多版本python环境。安装 pytorch。
|
2月前
|
并行计算 PyTorch TensorFlow
Ubuntu安装笔记(一):安装显卡驱动、cuda/cudnn、Anaconda、Pytorch、Tensorflow、Opencv、Visdom、FFMPEG、卸载一些不必要的预装软件
这篇文章是关于如何在Ubuntu操作系统上安装显卡驱动、CUDA、CUDNN、Anaconda、PyTorch、TensorFlow、OpenCV、FFMPEG以及卸载不必要的预装软件的详细指南。
4604 3
|
2月前
|
存储 NoSQL MongoDB
MongoDB入门级别教程全(Windows版,保姆级教程)
一份全面的MongoDB入门级教程,包括在Windows系统上安装MongoDB、使用MongoDB Shell和Compass GUI进行数据库操作,以及MongoDB的基本数据类型和查询技巧。
76 2
MongoDB入门级别教程全(Windows版,保姆级教程)
|
4月前
|
机器学习/深度学习 PyTorch TensorFlow
conda、anaconda、pip、pytorch、tensorflow有什么关联?
conda、anaconda、pip、pytorch、tensorflow有什么关联?
|
4月前
|
机器学习/深度学习 并行计算 PyTorch
PyTorch与DistributedDataParallel:分布式训练入门指南
【8月更文第27天】随着深度学习模型变得越来越复杂,单一GPU已经无法满足训练大规模模型的需求。分布式训练成为了加速模型训练的关键技术之一。PyTorch 提供了多种工具来支持分布式训练,其中 DistributedDataParallel (DDP) 是一个非常受欢迎且易用的选择。本文将详细介绍如何使用 PyTorch 的 DDP 模块来进行分布式训练,并通过一个简单的示例来演示其使用方法。
463 2
|
4月前
|
数据库 Windows
超详细步骤解析:从零开始,手把手教你使用 Visual Studio 打造你的第一个 Windows Forms 应用程序,菜鸟也能轻松上手的编程入门指南来了!
【8月更文挑战第31天】创建你的第一个Windows Forms (WinForms) 应用程序是一个激动人心的过程,尤其适合编程新手。本指南将带你逐步完成一个简单WinForms 应用的开发。首先,在Visual Studio 中创建一个“Windows Forms App (.NET)”项目,命名为“我的第一个WinForms 应用”。接着,在空白窗体中添加一个按钮和一个标签控件,并设置按钮文本为“点击我”。然后,为按钮添加点击事件处理程序`button1_Click`,实现点击按钮后更新标签文本为“你好,你刚刚点击了按钮!”。
305 0
|
4月前
|
开发者 iOS开发 C#
Uno Platform 入门超详细指南:从零开始教你打造兼容 Web、Windows、iOS 和 Android 的跨平台应用,轻松掌握 XAML 与 C# 开发技巧,快速上手示例代码助你迈出第一步
【8月更文挑战第31天】Uno Platform 是一个基于 Microsoft .NET 的开源框架,支持使用 C# 和 XAML 构建跨平台应用,适用于 Web(WebAssembly)、Windows、Linux、macOS、iOS 和 Android。它允许开发者共享几乎全部的业务逻辑和 UI 代码,同时保持原生性能。选择 Uno Platform 可以统一开发体验,减少代码重复,降低开发成本。安装时需先配置好 Visual Studio 或 Visual Studio for Mac,并通过 NuGet 或官网下载工具包。
382 0
|
4月前
|
Kubernetes Cloud Native 开发者
探索云原生技术:Kubernetes入门与实践探索Windows操作系统的隐藏功能
【8月更文挑战第31天】在数字化转型的浪潮中,云原生技术成为企业提升敏捷性、效率和可靠性的关键。本文将带你了解云原生的核心组件之一——Kubernetes(K8s),通过浅显易懂的语言和实际代码示例,引导你步入这一强大工具的世界。无论你是初学者还是有经验的开发者,本篇都将为你打开一扇通向高效资源管理与自动化部署的大门。
|
4月前
|
机器学习/深度学习 PyTorch 测试技术
深度学习入门:使用 PyTorch 构建和训练你的第一个神经网络
【8月更文第29天】深度学习是机器学习的一个分支,它利用多层非线性处理单元(即神经网络)来解决复杂的模式识别问题。PyTorch 是一个强大的深度学习框架,它提供了灵活的 API 和动态计算图,非常适合初学者和研究者使用。
55 0
|
4月前
|
并行计算 Ubuntu PyTorch
【Deepin 20系统】Linux系统Anaconda安装Pytorch
本文提供了在Deepin 20系统上使用Anaconda安装Pytorch的详细步骤,包括创建一个新的conda环境、检查系统Cuda版本、选择对应Cuda版本的Pytorch安装命令、添加镜像源以加速下载,以及执行安装命令。
86 1