pytorch部署到jupyter中的问题及解决方案

目录
  • pytorch部署到jupyter中
  • 两种解决方案

pytorch部署到jupyter中

在安装Aconda的同时，会将jupyter notebook一起安装，不过这里的jupyter notebook是base中的jupyter notebook二不是pytorch中的jupyter notebook，因此并不能在此jupyter notebook运行torch包。
base中的jupyter：

两种解决方案

一、base中重新安装pytorch
二、pytorch中安装jupyter notebook
这里选择第二种方法
首先

conda activate pytorch

进入到pytorch环境中去

在pytorch环境中看包

conda list

没有我们需要的包，因此输入命令，进行下载jupyter

conda install nb_conda_kernels

进行下载
下载完成后输入命令：

jupyter notebook

打开jupyter notebook
注：我再输入的时候出现了一些无法定位的提示，但是我的电脑没有影响使用jupyter，还是可以使用jupyter并且可以import torch

点击确定，就可以来到jupyter notebook的页面了

让我们来验证一下

到此这篇关于pytorch部署到jupyter中的文章就介绍到这了,更多相关pytorch部署jupyter内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

赞 (0)

相关推荐

  • 详解解决jupyter不能使用pytorch的问题

    详解解决jupyter不能使用pytorch的问题

    问题: 昨天在使用jupyter时,发现pytorch又不能用了,之前用了很久的时间安装上,最近一直在用pycharm,转而用jupyter时,发现又开始像之前一样报错,提示:no module named 'torch'. 尝试各种方法无果. 今天打开anaconda,无意想到,会不会是... 我为了美观把pytorch单独配置环境的原因呢? 难道jupyter只继承了base环境? 立即在base里装了torch,打开jupyter,可以运行了. 具体方法为: 1.打开anaconda,单击

  • jupyter notebook 调用环境中的Keras或者pytorch教程

    1.安装插件,在非虚拟环境 conda install nb_conda conda install ipykernel 2.安装ipykernel包,在虚拟环境下安装 在Windows使用下面命令:激活环境并安装插件(这里的 Keras 是我的环境名,安装的时候换成自己的环境名即可) activate keras conda install ipykernel 在linux 使用下面的命令: 激活环境并安装插件 source activate keras conda install ipyke

  • pytorch部署到jupyter中的问题及解决方案

    pytorch部署到jupyter中的问题及解决方案

    目录 pytorch部署到jupyter中 两种解决方案 pytorch部署到jupyter中 在安装Aconda的同时,会将jupyter notebook一起安装,不过这里的jupyter notebook是base中的jupyter notebook二不是pytorch中的jupyter notebook,因此并不能在此jupyter notebook运行torch包.base中的jupyter: 两种解决方案 一.base中重新安装pytorch二.pytorch中安装jupyter n

  • 教你用PyTorch部署模型的方法

    教你用PyTorch部署模型的方法

    目录 导读 使用Docker安装 Handlers 导出你的模型 用模型进行服务 总结 导读 演示了使用PyTorch最近发布的新工具torchserve来进行PyTorch模型的部署. 最近,PyTorch推出了名为torchserve.的新生产框架来为模型提供服务.我们看一下今天的roadmap: 1.使用Docker安装 2.导出模型 3.定义handler 4.保存模型 为了展示torchserve,我们将提供一个经过全面训练的ResNet34进行图像分类的服务. 使用Docker安装

  • SpringBoot应用部署到Tomcat中无法启动的解决方法

    SpringBoot应用部署到Tomcat中无法启动的解决方法

    背景 最近公司在做一些内部的小型Web应用时, 为了提高开发效率决定使用SpringBoot, 这货自带Servlet容器, 你在开发Web应用时可以直接在本地像运行控制台应用一样启动,省去了重复部署的时间:配置上相比于SpringMVC也是有了大大的简化.SpringBoot的应用可以直接打成一个可运行的jar包, 你无需发愁为了不同应用要部署多个Tomcat.但是实际部署时你会发现打成Jar包的方式有一个致命的缺点, 当你改动了一个资源文件.或者一个类时, 打要往服务器重新上传全量jar包.

  • 解决pytorch GPU 计算过程中出现内存耗尽的问题

    Pytorch GPU运算过程中会出现:"cuda runtime error(2): out of memory"这样的错误.通常,这种错误是由于在循环中使用全局变量当做累加器,且累加梯度信息的缘故,用官方的说法就是:"accumulate history across your training loop".在默认情况下,开启梯度计算的Tensor变量是会在GPU保持他的历史数据的,所以在编程或者调试过程中应该尽力避免在循环中累加梯度信息. 下面举个栗子: 上代

  • Jupyter中直接显示Matplotlib的图形方法

    一.使用以下cmd命令生成ipython_config.py 文件 ipython profile create 二.在ipython_config.py中添加以下代码 c.InteractiveShellApp.matplotlib = 'inline' 注意不是在ipython_qtconsole_config.py中添加上述代码. 如下图所示: 以上这篇Jupyter中直接显示Matplotlib的图形方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持我们.

  • 在 Jupyter 中重新导入特定的 Python 文件(场景分析)

    Jupyter 是数据分析领域非常有名的开发环境,使用 Jupyter 写数据分析相关的代码会大大节约开发时间. 设想这样一个场景:别的部门的同事传给你一个数据分析的模块,用于实现对数据的高级分析.模块里面有上百个函数. 如果直接写 Python 文件来调用数据分析模块,那么使用方法非常简单: from analyze import FathersAnalyzer data = [...] father = FathersAnalyzer(data) result = father.analyz

  • pytorch 实现查看网络中的参数

    可以通过model.state_dict()或者model.named_parameters()函数查看现在的全部可训练参数(包括通过继承得到的父类中的参数) 可示例代码如下: params = list(model.named_parameters()) (name, param) = params[28] print(name) print(param.grad) print('-------------------------------------------------') (name

  • Pytorch在dataloader类中设置shuffle的随机数种子方式

    如题:Pytorch在dataloader类中设置shuffle的随机数种子方式 虽然实验结果差别不大,但是有时候也悬殊两个百分点 想要复现实验结果 发现用到随机数的地方就是dataloader类中封装的shuffle属性 查了半天没有关于这个的设置,最后在设置随机数种子里面找到了答案 以下方法即可: def setup_seed(seed): torch.manual_seed(seed) torch.cuda.manual_seed_all(seed) np.random.seed(seed

  • pytorch 实现删除tensor中的指定行列

    前言 在pytorch中, 想删除tensor中的指定行列,原本以为有个函数或者直接把某一行赋值为[]就可以,结果发现没这么简单,因此用了一个曲线救国方法,希望如果有更直接的方法,请大家指出. code 本质上是利用mask删除了指定行,然后重新指向. a = torch.rand(4, 2) print(a) idx = 1 a = a[torch.arange(a.size(0))!=1] print(a) """ tensor([[2.7775e-01, 3.7430e

  • Window版下在Jupyter中编写TensorFlow的环境搭建

    在疫情飘摇的2020年初,TensorFlow发布了2.1.0版本,本Python小白在安装过程中遇坑无数,幸得多年练就的百度功力终于解决,特记录下来以免后人跳坑. 准备工作 Python 3.6或3.7 .TensorFlow2.1.0版本将是最后一个支持Python 2的版本,但Python3.8还不支持,因此请自行从官网下载安装Python 3.6或3.7(我安装的是3.6). 一.搭建虚拟环境(以下顺序不要乱) virtualenv可以搭建虚拟且独立的Python环境,解决不同的工程依赖

随机推荐