anaconda+pytorch+opencv安装及环境配置

简介: anaconda+pytorch+opencv安装及环境配置

一、anaconda下载及安装

下载地址:进入anaconda官网,Anaconda | The World's Most Popular Data Science Platform

下载完成后点击安装就可以,具体操作如下:

第一个选项建议也勾选上,会在系统自动配置anaconda的环境。

安装结束后,查看自己电脑环境变量是否配置成功,右击此电脑=》属性=》高级系统设置=》path

因为anaconda安装过程中只是just user 而不是所有用户,因此查看用户下path有没有这五个环境变量。

D:\anaconda

D:\anaconda\Library\mingw-w64\bin

D:\anaconda\Library\usr\bin

D:\anaconda\Library\bin

D:\anaconda\Scripts

二、安装配置pytorch环境

1.创建虚拟环境

conda env list

查看conda下有几个对应环境,我这已经有两个一个是base基础环境安装anaconda时候自带的,另一个pytorch是后续我自己安装的。

conda create -n pytorch_gpu python=3.6

创建一个新的pytorch_gpu环境,该环境中python选择是3.6版本的(后面发现3.6版本和cuda版本不对应,改为安装了python3.7版本)。

选择Y等待自动安装python环境。

等待安装结束后,在控制台中输入

conda activate pytorch_gpu

我们就可以进入该环境下,在该环境下输入python。如果出现下图:

说明我们的环境创建成功,接下来就是安装pytorch啦。

2.pytorch安装

我们此次的安装方法采用在线安装,安装的网址是pytorch官网

如果某些包安装失败,也可以采用离线安装,通过镜像下载安装包后,在进行安装,具体过程可以参考该文章

在安装pytorch前应该先检查自己的电脑是否支持cuda,一般来说只要是英伟达的显卡一般都可以使用gpu加速的。可以在控制台中输入

nvidia—smi

我支持的版本是11.4版本以前所以选择对应的版本

我最终选择了1.12版本的pytorch和11.3版本的cuda,

如果安装官网的指令安装,速度很慢,需要很长时间,此时可以采用镜像进行下载,具体参考此文章(也可以在镜像网站上下载,然后离线进行安装)

安装成功可以对torch进行验证

3.安装cudnn

查找对应版本的cudnn有两种方式,第一种是在英伟达官网上查找

第二种是在控制台中直接输入查找指令

conda search cudnn
conda search cudnn --info 
可以查看准确的版本及其下载源

查找自己对应的版本

conda search cudnn=8.2.1 --info 可以查找8.2.1的对应下载源
conda install cudnn=8.2.1 -c +在查找中提供的下载地址

通过镜像下载速度比较快,下载成功后对其进行验证

如果运行后是这样,则说明配置成功。

4.opencv安装

本次opencv的环境配置采用离线安装

首先在镜像网站上下载对应版本的whl文件,镜像网站对应如下

https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv(国外镜像网)

https://pypi.tuna.tsinghua.edu.cn/simple/opencv-contrib-python/(清华镜像网)

cp37意思是python3.7版本,然后第一个是macos系统,第二、三个是linux系统,第四、五个是win系统分别对应32位,64位。我的是64位系统,不知道的我的电脑处右键选择属性。

我安装python是3.7,电脑是64位windows操作系统,根据自己的需求选择对应的opencv版本

我选择的如下:

将下载好的whl文件放置在anaconda目录下Lib文件夹下的site-packages文件夹中

然后打开控制窗口,在pytorch_gpu环境下cd到site-packages文件夹下

(注意cd命令如果是 跨盘运行的话需要在后面加/d)

当cd到site-packages后,通过pip install 安装opencv

pip install +whl文件名字

对opencv安装进行验证

说明安装成功 。

三、在pychrm中配置pytorch环境

在file文件下选择setting选项

选择对应环境下的python文件。

环境如图所示,点击ok,则说明配置成功。

进行验证如下:

在pycharm 中python console输入如下指令,如图运行则说明运行成功。

相关实践学习
在云上部署ChatGLM2-6B大模型(GPU版)
ChatGLM2-6B是由智谱AI及清华KEG实验室于2023年6月发布的中英双语对话开源大模型。通过本实验,可以学习如何配置AIGC开发环境,如何部署ChatGLM2-6B大模型。
相关文章
|
2月前
|
Linux 计算机视觉 C++
【解决方案】Building wheel for opencv-python:安装卡顿的原因与解决方案
当你安装OpenCV时,命令行停在Building wheel for opencv-python (PEP 517) ... -似乎卡住了。这并非程序假死,而是其编译耗时巨大。本文将揭示原因,并提供优化安装体验的实用方法。
359 88
|
11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。
1215 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。
|
11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。
10792 4
|
6月前
|
机器学习/深度学习 并行计算 PyTorch
Windows下CUDA+pytorch安装
以下是关于在Windows下安装CUDA和PyTorch的简要介绍及参考链接:
298 0
Windows下CUDA+pytorch安装
|
11月前
|
Ubuntu 应用服务中间件 nginx
Ubuntu安装笔记(三):ffmpeg(3.2.16)源码编译opencv(3.4.0)
本文是关于Ubuntu系统中使用ffmpeg 3.2.16源码编译OpenCV 3.4.0的安装笔记,包括安装ffmpeg、编译OpenCV、卸载OpenCV以及常见报错处理。
664 2
Ubuntu安装笔记(三):ffmpeg(3.2.16)源码编译opencv(3.4.0)
|
11月前
|
Ubuntu Linux C语言
Ubuntu安装笔记(二):ubuntu18.04编译安装opencv 3.4.0 opencv_contrib3.4.0
本文介绍了在Ubuntu 18.04系统上编译安装OpenCV 3.4.0及其扩展包opencv_contrib 3.4.0的详细步骤,包括下载源码、安装依赖、配置CMake和编译安装,以及常见问题的解决方法。
1066 1
Ubuntu安装笔记(二):ubuntu18.04编译安装opencv 3.4.0 opencv_contrib3.4.0
|
11月前
|
机器学习/深度学习 缓存 PyTorch
pytorch学习一(扩展篇):miniconda下载、安装、配置环境变量。miniconda创建多版本python环境。整理常用命令(亲测ok)
这篇文章是关于如何下载、安装和配置Miniconda,以及如何使用Miniconda创建和管理Python环境的详细指南。
3335 0
pytorch学习一(扩展篇):miniconda下载、安装、配置环境变量。miniconda创建多版本python环境。整理常用命令(亲测ok)
|
4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。
511 21
PyTorch量化感知训练技术:模型压缩与高精度边缘部署实践
|
10天前
|
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。
74 9
|
6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。
369 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

推荐镜像

更多