深度学习环境搭建anaconda+pycharm+pytorch的方法步骤

目录
  • 显卡
  • 驱动
  • cuda
  • anaconda
    • 1. 下载安装
    • 2. 安装pytorch虚拟环境
    • 3. conda常用指令
  • pycahrm / jupyter
    • 下载安装
    • 如何建好的虚拟环境的解释器找出来指派给代码?

本文将详细介绍一下如何搭建深度学习所需要的实验环境.
这个框架分为以下六个模块

显卡

简单理解这个就是我们常说的GPU,显卡的功能是一个专门做矩阵运算的部件,用于显示方面的运算,现在神经网络中绝大操作都是对矩阵的运算,所以我们当然可以将显卡的矩阵运算功能应用起来,来提高计算速度.

驱动

通常指NVIDIA Driver,其实它就是一个驱动软件,而前面的显卡就是硬件

cuda

cuda是一个扩展包,能够使得使用GPU进行通用计算变得简单和优雅,它本质上是一套指令集,我们通过这个指令集来使用显卡的矩阵运算操作;

Q:如何查看显卡支持的cuda的最高版本?

anaconda

1. 下载安装

下载官网:https://www.anaconda.com/

选择与系统位数对应的安装包下载即可。

Anaconda占用空间较大,建议选择一个空闲的磁盘专门用来放Anaconda。

勾选添加环境变量

2. 安装pytorch虚拟环境

创建一个虚拟环境:conda create -n torch(虚拟环境名) python = 3.7

此步骤 若出现以下情况:

解决方法:
在创建新的虚拟环境前先输入以下命令。

conda config --add channels conda-forge
conda config --set channel_priority strict
conda config --set channel_priority flexible

这个路径下存放的就是我们创建好的虚拟环境,torch文件夹下存放的就是我们在该环境下安装的一些包等等。

激活并进入该环境:conda activate torch

激活环境前处于“大厅”位置(base),在激活torch环境后,我们可以看到已经进入了我们刚才新建的torch环境下(torch)。

查看该环境下装了哪些工具包:conda list

下载pytorch:conda activate torch

下载官网:https://pytorch.org/

进入pytorch官网选择对应的一些选项,在最后一行会生成与之相对应的代码行,复制到终端窗口执行即可。

该命令行表示从pytorch下载前面四个工具包。

Q:如何解决下载速度过慢的问题?

由于这些网站的服务器都在国外,我们下载的话速度会非常慢,为了解决这个问题,国内有些大佬做了镜像网站,一段时间会专门去更新一次,所以换到镜像网站下载速度会大大提升。

清华源:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls true

中科大源:
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes

本次安装我们换清华源

换源后查看一下是否换源成功,channels表示下载通道,其中的网址都是清华源的网址,说明换源成功。

换掉原本的下载指令,去掉后面的 -c pytorch,表示从当前的清华源下载。

以下我们的pytorch虚拟环境以及一些工具包已经装好了。

退出当前虚拟环境,回到大厅:conda deactivate

查看当前anconda中都有哪些虚拟环境:conda info -e

表示此时处于大厅位置。

在pytorch环境下编写测试代码

首先进入pytorch虚拟环境

输入命令行import torch,若出现以下标志,说明pytorch已经安装好。

3. conda常用指令

创建一个虚拟环境

conda create -n torch[虚拟环境名]  python = 3.7

激活并进入该环境

conda activate torch

查看该环境下装了哪些工具包

conda list

退出当前虚拟环境,回到大厅

conda deactivate

查看当前anconda中都有哪些虚拟环境

conda info -e

删掉该环境中的所有内容,并且销毁该环境

(base) conda remove -n torch --all

pycahrm / jupyter

下载安装

下载社区版的pycharm,修改安装路径为空闲磁盘。没有什么需要特别注意的,直接下一步即可。

如何建好的虚拟环境的解释器找出来指派给代码?

我们可以创建多个虚拟环境,比如tensorflow,pytorch等,在用不同的框架时通过下面的设置切换到不同的虚拟环境即可。也有人会把所有的框架等装到一个虚拟环境中,当然理论上也是可以的,只是不方便管理,而且同一个虚拟环境下是不允许安装同一个工具的不同版本,这就非常不利于我们后续的学习。
具体操作如下:

pycharm中运行以下代码测试,若出现以下结果,说明环境搭建完成。
如果下图第二行显示为false,有可能是电脑显卡不支持cuda,只需删除该虚拟环境,重新下载cpu版本的pytorch即可。

import torch

print(torch.__version__)
print(torch.cuda.is_available())

x = torch.randn(1)
if torch.cuda.is_available():
    device = torch.device("cuda")
    y = torch.ones_like(x, device=device)
    x = x.to(device)
    z = x + y
    print(z)
    print(z.to("cpu", torch.double))

到此这篇关于深度学习环境搭建anaconda+pycharm+pytorch的方法步骤的文章就介绍到这了,更多相关anaconda+pycharm+pytorch环境搭建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!

(0)

相关推荐

  • Anaconda+spyder+pycharm的pytorch配置详解(GPU)

    第一步 : 从清华大学开源软件镜像站下载Anaconda:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D 安装过程中需要勾选如下图 装好后测试是否装好,先配置环境变量(可能anaconda安装好后自己就有了) 打开CMD,输入代码 conda list 回车出现包的信息则说明安装完成 打开Anaconda Navigator(桌面没有的话就点击左下角看最近添加)可以看到spyder已经下好了 第二步:下载CUDA(GP

  • Anaconda安装pytorch及配置PyCharm 2021环境

    这里使用的Anaconda是Python 3.8的版本.由于使用清华镜像安装时可能因为访问量过大导致http连接失败,这里使用本地安装. Anaconda安装pytorch 1.进入Anaconda Prompt命令行 2.创建名为 pytorch 的文件夹,这里实际上就是在Ananconda中创建了一个新的Environment. conda create -n pytorch python=版本号 3.激活,进入创建好的Environment activate pytorch 4.前往pyt

  • Anaconda+Pycharm环境下的PyTorch配置方法

    写给新手的话 pycharm是什么,为什么让我指定interpreter 记事本 最开始写C语言代码的时候,人们使用vi,记事本等软件写代码,写完了之后用GCC编译,然后运行编译结果,就是二进制文件.python也可以这样做,用记事本写完代码,保存成如test.py的文件后,通过命令python test.py可以运行这一文件.最初的C语言代码都是通过这种方式写的.但是人们很快发现了一个问题,就是这么弄太麻烦了,编写用vi,运行得切出去用shell,出错了再切回vi改代码.这要是编写.运行.调试

  • Windows+Anaconda3+PyTorch+PyCharm的安装教程图文详解

    1. 安装Anaconda3 官网下载Anaconda3:https://www.anaconda.com/distribution/ 运行下载好的.exe文件 Win+R 调出运行对话框,输入 cmd 回车,输入 python,如果出现python版本信息,表明安装成功. 添加环境变量:高级系统设置 -> 环境变量 2. 查看电脑显卡信息 以 Win10 为例,控制面板 -> NVIDIA控制面板 -> 帮助 -> 系统信息 -> 组件 3. 创建PyTorch环境 卸载原

  • 深度学习环境搭建anaconda+pycharm+pytorch的方法步骤

    目录 显卡 驱动 cuda anaconda 1. 下载安装 2. 安装pytorch虚拟环境 3. conda常用指令 pycahrm / jupyter 下载安装 如何建好的虚拟环境的解释器找出来指派给代码? 本文将详细介绍一下如何搭建深度学习所需要的实验环境. 这个框架分为以下六个模块 显卡 简单理解这个就是我们常说的GPU,显卡的功能是一个专门做矩阵运算的部件,用于显示方面的运算,现在神经网络中绝大操作都是对矩阵的运算,所以我们当然可以将显卡的矩阵运算功能应用起来,来提高计算速度. 驱动

  • 把Anaconda中的环境导入到Pycharm里面的方法步骤

    1.打开设置 2.点击项目解释器,添加Conda环境 3.在解释器中找anaconda3的安装路径,找到python.exe 确定 这样就导入完成了 需要注意的是不同的项目用到的解释器可能不一样,因此新建项目时可以选择想用的解释器 如图: 编辑配置 对该项目的解释器进行选择 到此这篇关于把Anaconda中的环境导入到Pycharm里面的方法步骤的文章就介绍到这了,更多相关Anaconda导入到Pycharm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!

  • Docker学习之搭建ActiveMQ消息服务的方法步骤

    前言 ActiveMQ 是Apache出品,最流行的,能力强劲的开源消息总线.ActiveMQ 是一个完全支持JMS1.1和J2EE 1.4规范的 JMS Provider实现,尽管JMS规范出台已经是很久的事情了,但是JMS在当今的J2EE应用中间仍然扮演着特殊的地位. 在生产项目中,很多时候需要消息中间件来进行分布式系统间的通信.它具有低耦合.可靠投递.广播.流量控制.最终一致性等一系列功能.本篇主要介绍ActiveMQ 相关概念以及安装说明,后面会着重介绍 SpringBoot 集成实现秒

  • 如何在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境

    首先,我们要明确,我们是要在虚拟环境中安装cuda和cuDNN!!!只需要在虚拟环境中安装就可以了. 下面的操作默认你安装好了python 一.conda创建并激活虚拟环境 前提:确定你安装好了anaconda并配置好了环境变量,如果没有,网上有很多详细的配置教程,请自行学习 在cmd命令提示符中输入conda命令查看anaconda 如果显示和上图相同,那么可以继续向下看 1.进入anaconda的base环境 方法1 在cmd命令提示符中输入如下命令 activate 方法2 直接在搜索栏里

  • Docker容器搭建运行python的深度学习环境的方法

    任务管理器中查看虚拟化,已启用 若禁用,重启电脑,到Bios中开启 安装Docker Desktop及开启WSL功能. 打开 powershell 创建镜像 docker run --rm -it quay.io/azavea/raster-vision:pytorch-latest /bin/bash docker images 依据镜像id创建容器 docker create -it --name [name] [镜像id] docker start [name] 进入容器 docker e

  • Anaconda+Pycharm+Pytorch虚拟环境创建(各种包安装保姆级教学)

    目录 前言 Pycharm使用虚拟环境 1)anaconda安装 2)使用anaconda创建虚拟环境 3)安装pytorch 4)安装其他包 5)Pycharm使用虚拟环境 前言 相信很多时候大家都会用到虚拟环境,他具有可以让你快速切换不同的python版本,让程序打包的时候轻量化等等优点,之前作为小白第一次接触python的时候,为了配置虚拟环境花了好几天,踩了很多坑,网上很多教程的水平也参差不齐,正好最近帮实习公司做了个学校项目,需要我提供python环境配置的文档,于是我就顺手把教程编辑

  • python环境搭建和pycharm的安装配置及汉化(零基础小白版)

    前言:写这篇文章主要是介绍一下python的环境搭建和pycharm的安装配置,适合零基础的同学观看.这篇文章你会学到python的环境搭建和python比较好用的IDE pycharm的安装与基础配置. 运行环境:window 64位操作系统. 没想到这么多的人看这篇文章,并且接连不断给我发邮箱,问问题,这篇文章不是用markdown写的,不好改,我重新写了一份,放在我的博客里面,这里是地址:https://yaoguangju.github.io/2018/12/27/python%E7%8

  • python环境搭建和pycharm的安装配置及汉化详细教程(零基础小白版)

    目录 一.python环境的搭建 1.下载python(这里以python3.6为例) 2.安装python(这里以python3.6为例) 二.pycharm的安装与配置 1.pycharm的下载 2.pycharm的安装 3.pycharm的入门基础配置 4.pycharm的python解释器的搭建 5.pycharm的建立一个新项目 6.pycharm汉化 前言:写这篇文章主要是介绍一下python的环境搭建和pycharm的安装配置,适合零基础的同学观看.这篇文章你会学到python的环

  • win10+RTX3050ti+TensorFlow+cudn+cudnn配置深度学习环境的方法

    避坑1:RTX30系列显卡不支持cuda11.0以下版本,具体上限版本可自行查阅: 方法一,在cmd中输入nvidia-smi查看 方法二: 由此可以看出本电脑最高适配cuda11.2.1版本: 注意需要版本适配,这里我们选择TensorFlow-gpu = 2.5,cuda=11.2.1,cudnn=8.1,python3.7 接下来可以下载cudn和cundnn: 官网:https://developer.nvidia.com/cuda-toolkit-archive 下载对应版本exe文件

  • 使用anaconda安装pytorch的实现步骤

    使用anaconda安装pytorch过程中出现的问题 在使用anaconda安装pytorch的过程中,出现了很多问题,也在网上查了很多相关的资料,但是都没有奏效.在很多次尝试之后才发现是要先装numpy的原因-下面开始记录一下过程中的一些尝试和错误经验,供大家参考学习.先按照正常步骤一步一步来安装. 使用anaconda直接从网上下载 首先,打开anaconda navigator,然后创建一个环境来放pytorch. 先点击下面的create,然后创建一个新环境. 选择你的python版本

随机推荐