pytorch库 01 安装Anaconda、Jupyter，Anaconda虚拟环境连接pycharm

文章目录

  • 一、安装Anaconda
    • 1、卸载Anaconda（可选）
    • 2、下载并安装Anaconda
    • 3、配置环境变量
    • 4、桌面快捷方式
  • 二、安装 PyTorch（GPU 版）库
    • 1、创建虚拟环境，并安装一些常用包
    • 2、GPU 基础
    • 3、检查驱动
    • 4、安装CUDA（可选）
    • 5、安装pytorch
    • 6、检查GPU是否被pytorch使用
  • 三、Jupyter代码编辑器
    • 1、修改工作路径（可选）
    • 2、修改默认字体（可选）
    • 3、虚拟环境连接Jupyter
  • 四、虚拟环境连接pycharm代码编辑器
  • 五、设置pycharm控制台监控变量（可选）

一、安装Anaconda

Anaconda 是一款巨大的 Python 环境集成平台，其内含 Python 解释器、Jupyter Notebook 代码编辑器以及很多三方库。Anaconda 的 2023.3 版本并不稳定，这里安装
2022.10 版本。

1、卸载Anaconda（可选）

①在软件Everything中搜索“Uninstall-Anaconda”，双击，卸载。
在这里插入图片描述
②卸载Anaconda后，用Everything.exe查找并删除残存在C盘里关于.condarc、jupyter、ipython、continuum、matplotlib、anaconda 以及 conda 的文件。（搜出后，按Delete键即可）
例：
在这里插入图片描述
在这里插入图片描述

2、下载并安装Anaconda

镜像源地址为 https://mirrors.bfsu.edu.cn/anaconda/archive/，
下载 Anaconda3-2022.10-Windows-x86_64.exe 版本
下载完毕后，按照导航点Next。后面遇到分叉口，按下图选择：
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
进度条会停在约 90%的位置共 20 分钟，请耐心等待。

3、配置环境变量

桌面鼠标右击 → 单机显示设置
在这里插入图片描述
按下图一次操作
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
通过右侧的“新建”按钮，可新建环境变量的路径，将【D:\Anaconda】、【D:\Anaconda\Scripts】与【D:\Anaconda\Library\bin】添加到环境变量
在这里插入图片描述
注：若此前为其它单独的 Python 解释器添加过环境变量，需要删除它的环境变量，否则 Anaconda 的环境变量会被挤出来。可以新建完环境变量后，退出重新进入环境变量设置界面，检查新增加的环境变量是否存在。

4、桌面快捷方式

点击开始按钮，按下图操作：
在这里插入图片描述
将下图的两个文件，依次鼠标右击 → 发送到 → 桌面快捷方式
在这里插入图片描述

二、安装 PyTorch（GPU 版）库

1、创建虚拟环境，并安装一些常用包

①鼠标双击打开Anaconda Prompt

②列出所有的环境：conda env list
在这里插入图片描述
③用conda create -n name python=3.x语句创建新的项目环境时，python包可能不仅下载的慢，还容易报错如上，可以尝试用清华镜像源下载：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

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/pytorch/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/

④创建名为“DL"的虚拟环境，并指定 Python 的版本
conda create -n DL python=3.9

⑤进入名为“DL”的虚拟环境：conda activate DL

⑥列出当前环境下的所有库：conda list

⑦安装 NumPy 库，并指定版本 1.21.5
pip install numpy==1.21.5 -i https://pypi.tuna.tsinghua.edu.cn/simple

⑧安装 Pandas 库，并指定版本 1.2.4
pip install Pandas==1.2.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

⑨安装 Matplotlib 库，并指定版本 3.5.1
pip install Matplotlib==3.5.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

⑩退出虚拟环境：conda deactivate

2、GPU 基础

目前显卡有三家厂商：Intel、Nvidia、AMD。深度学习所需要的显卡是 NVIDIA，没有此显卡无法进行 GPU 加速。查看自己的计算机的显卡的方法是：任务管理器——性能——左侧栏划到最下面。
在这里插入图片描述
NVIDIA 显卡中的运算平台是 CUDA。而 PyTorch 的下载组件里也会包含一个内置的cuda。为了区分，显卡内的 CUDA 用大写，PyTorch 内置的 cuda 用小写。cuda是CUDA的一个子集。要满足：CUDA 版本≥cuda 版本。
查看 CUDA 版本的方法是：Win+R 后输入 cmd，进入命令提示符，输入：nvcc -V
在这里插入图片描述
如果显示“nvcc -V 不是内部或外部命令”，则说明需要安装 CUDA。
后面我们将安装 torch 1.12.0 版本，其可选的内置 cuda 版本是 11.3。因此，如果显卡里的 CUDA 低于了 11.3，需要进行升级。

3、检查驱动

CUDA9.2以上只支持驱动版本大于396.26。如果驱动版本过低，需要更新驱动。在该网站下载驱动：https://www.nvidia.cn/Download/index.aspx?lang=cn
查看驱动方式：
按win+R → 输入 nvidia-smi
如果提示 nvidia-smi 不是内部或外部命令，则需要在环境变量中添加路径 C:\Program Files\NVIDIA Corporation\NVSMI ，然后重启电脑。
在这里插入图片描述
注：CUDA版本号以 nvcc -V 命令为准

4、安装CUDA（可选）

①下载链接https://developer.nvidia.com/cuda-toolkit-archive
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

②下载好之后，双击该exe文件，大约要等待2分钟，会弹出下图提示框。这里要选择临时解压文件夹（建议选择下图中的路径），解压后文件大约7G，安装结束后，该临时文件夹问自动删除。
在这里插入图片描述
③按下图操作
在这里插入图片描述
在这里插入图片描述
只选择CUDA，并点击前面的加号
在这里插入图片描述
取消掉Visual Studio integration
在这里插入图片描述
在这里插入图片描述
④删除掉 D:\CUDA

⑤在环境变量中添加一下路径：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp
在这里插入图片描述
⑥最后再win+R，输入cmd，进入命令行窗口输入nvcc -V，查看一下CUDA的版本是否更新。

5、安装pytorch

pytorch实际上是三个库：torch、torchvision、torchaudio。下图是版本对照表，其中cuda113表示cuda11.3，cp39表示python3.9（注：NVIDIA现场30XX系列只能安装cu110及以后的版本）
在这里插入图片描述
直接在官网中找到相应的pip命令去执行，容易失败，不推荐。可以先下轮子文件，再安装：
①进入该网站https://download.pytorch.org/whl/cu113

②依次下载如下三个轮子文件，并放在 D:\whl 中
在这里插入图片描述

③点击Anaconda Prompt，进入虚拟环境DL：conda activate DL

④输入下列命令：
pip install D:\whl\torch-1.12.0+cu113-cp39-cp39-win_amd64.whl
pip install D:\whl\torchaudio-0.12.0+cu113-cp39-cp39-win_amd64.whl
pip install D:\whl\torchvision-0.13.0+cu113-cp39-cp39-win_amd64.whl

6、检查GPU是否被pytorch使用

在Anaconda Prompt中进入虚拟环境DL，依次输入python → import torch → torch.cuda.is_available()，显示True即表示成功。
在这里插入图片描述

三、Jupyter代码编辑器

Anaconda中集成了Jupyter，所以安装了Anaconda之后就不用单独安装Jupyter了。
注：计算机用户名如果为中文，无法兼容Jupyter。可以打开Anaconda Prompt查看自己的用户名。
在这里插入图片描述

1、修改工作路径（可选）

①新建 D:\Jupyter
②打开Anaconda Prompt
③输入jupyter notebook --generate-config
④打开上一步生成的配置文件，即：进入C:\Users\Lenovo.jupyter，用记事本打开jupyter_notebook_config.py文件
⑤使用Ctrl+F查找并修改如下配置项：
修改前：# c.NotebookApp.notebook_dir = ‘’
修改后：c.NotebookApp.notebook_dir = ‘D:\Jupyter’
⑥找到桌面快捷方式Jupyter Notebook (Anaconda)，鼠标右击 → 属性 → 快捷方式 → 目标 → 删除最后的 “%USERPROFILE%/”，以及jupyter-notebook-script.py后面的空格

2、修改默认字体（可选）

①进入D:\Anaconda\Lib\site-packages\notebook\static\components\codemirror\lib
②打开codemirror.css文件
Ctrl+F查找font-family，可修改为：
font-family:‘Fira Code Light’,‘Consolas’;

3、虚拟环境连接Jupyter

①打开Anaconda Prompt，进入虚拟环境DL: conda activate DL
②安装ipykernel：
pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple
③将虚拟环境 DL 导入Jupyter的kernel中
python -m ipykernel install --user --name=“DL”
④可以点击桌面快捷方式jupyter notebook，进入jupyter界面，查看是否如下图导入。
在这里插入图片描述
在这里插入图片描述

⑤如果不用了，也可以删除虚拟环境的内核：
jupyter kernelspec.remove DL

四、虚拟环境连接pycharm代码编辑器

我用的pycharm版本是2023.1.2专业版，其他版本大同小异。
①在F盘创建一个文件夹myPycharmProject，用来存放pycharm项目。

②打开pycharm软件，点击New Project

③依次按下图操作，导入虚拟环境DL
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
④等待虚拟环境导出成功后，可以创建一个test.py文件，测试一下。
在这里插入图片描述
在这里插入图片描述

五、设置pycharm控制台监控变量（可选）

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/583462.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

Linux搭建局域网私有yum仓库/配置本地光盘镜像仓库/搭建公有yum仓库--7700字详谈

Linux搭建局域网私有yum仓库/配置本地光盘镜像仓库/搭建公有yum仓库--7700字详谈

帮助与补全功能 1.补全 yum （options）COMMAND check check-update clean deplist downgrade erase fs fssnapshot groups help history info install list makecache provides reinstall repo-pkgs repolist search shell swap update update-minimal …
阅读更多...
每周一算法：单源次短路

每周一算法：单源次短路

题目描述 “您的个人假期”旅行社组织了一次比荷卢经济联盟的巴士之旅。 比荷卢经济联盟有很多公交线路。每天公共汽车都会从一座城市开往另一座城市。沿途汽车可能会在一些城市（零或更多）停靠。 旅行社计划旅途从 S S S 城市出发，到 F …
阅读更多...
新书速览|ChatGLM3大模型本地化部署、应用开发与微调

新书速览|ChatGLM3大模型本地化部署、应用开发与微调

实战文本生成、智能问答、信息抽取、财务预警应用开发，掌握ChatGLM3大模型部署、开发与微调技术 01 本书内容 《ChatGLM3大模型本地化部署、应用开发与微调》作为《PyTorch 2.0深度学习从零开始学》的姊妹篇，专注于大模型的本地化部署、应用开发以及微…
阅读更多...
挤压激励注意力 SE | Squeeze-and-Excitation Networks

挤压激励注意力 SE | Squeeze-and-Excitation Networks

论文名称：《Squeeze-and-Excitation Networks》 论文地址：https://arxiv.org/pdf/1709.01507.pdf 代码地址： https://github.com/hujie-frank/SENet 卷积神经网络 (CNN) 的核心构建块是卷积运算符，它使网络能够通过在每一层的局…
阅读更多...
C++ | Leetcode C++题解之第50题Pow(x,n)

C++ | Leetcode C++题解之第50题Pow(x,n)

题目： 题解： class Solution { public:double quickMul(double x, long long N) {if (N 0) {return 1.0;}double y quickMul(x, N / 2);return N % 2 0 ? y * y : y * y * x;}double myPow(double x, int n) {long long N n;return N > 0 ? qu…
阅读更多...
谷歌CEO谈拥有“最好的”AI、1000 种新云产品和Workspace

谷歌CEO谈拥有“最好的”AI、1000 种新云产品和Workspace

谷歌首席执行官桑达尔皮查伊 (Sundar Pichai) 在谷歌财报中发表了大胆言论，其中包括将 Workspace 吹捧为网络安全领域的领导者、谷歌云和 YouTube 到今年年底的总运行额将达到 1000 亿美元，以及为什么需要“强大的合作伙伴计划”来推动人工智能发展。 谷…
阅读更多...
70、栈-最小栈

70、栈-最小栈

思路： 除了最后一个获取最小值以外，其他都可以使用一个栈来实现，但是如果当前一个最小值被移除了，如果获取第二小的值，这个是需要记录的。所以最好的办法是两个栈。一个作为主栈存放数据，一个作为辅栈&…
阅读更多...
C++之类和对象

C++之类和对象

目录 一：再谈构造函数 1.1 构造函数体赋值 1.2 初始化列表 1.3 explicit关键字 二. static成员 2.2 特性 三. 友元 3.1 友元函数 3.2 友元类 四： 内部类 五：匿名对象 六. 再次理解类和对象 一：再谈构造函数 1.1 构造…
阅读更多...
关于discuz论坛网址优化的一些记录(网站地图sitemap提交)

关于discuz论坛网址优化的一些记录(网站地图sitemap提交)

最近网站刚上线，针对SEO做了些操作，为了方便网站网页百度被收录，特此记录下 discuz有免费的sitemap插件可以用，打开后台管理，找到插件栏，然后找到更多插件，进入插件市场。 选择这个免费的sitem…
阅读更多...
ios CI/CD 持续集成 组件化专题四-（手动发布私有库-组件化搭建）

ios CI/CD 持续集成 组件化专题四-（手动发布私有库-组件化搭建）

一 、创建私有索引库 1.1 、第一步 首先检查本地是否存在需要的私有索引库 pod repo list 例如：dp_base_ios_spec 在本地不存在该私有索引库 1.2 、第二步 在git下下创建一个新的库，这个库用来保存私有库的podspec文件，取名叫xxxSpec用以…
阅读更多...
计算机组成实验（5）

计算机组成实验（5）

一、实验目的和要求 1.1 实验目的 1. 复习二进制加减、乘除的基本法则 2. 掌握补码的基本原理和作用 3. 了解浮点数的表示方法及加法运算法则 4. 进一步了解计算机系统的复杂运算操作 1.2 实验要求 1. 熟悉二进制原码补码的概念，了解二进制加减乘除的原理与操作实现。 …
阅读更多...
力扣HOT100 - 207. 课程表

力扣HOT100 - 207. 课程表

解题思路&#xff1a; class Solution {public boolean canFinish(int numCourses, int[][] prerequisites) {int[] inDegree new int[numCourses];//存每个结点的入度List<List<Integer>> res new ArrayList<>();//存结点之间依赖关系Queue<Integer>…
阅读更多...
buuctf——web题目练习

buuctf——web题目练习

1.极客大挑战2019 easysql 密码或者用户输入万能密码即可 关于万能密码的理解和原理&#xff0c;可以参考这篇BUUCTF[极客大挑战 2019] EasySQL 1_[极客大挑战 2019]easysql 1-CSDN博客 2.极客大挑战2019 have fun 题目源码 需要构造payload 网页传参可参考&#xff1a;…
阅读更多...
设计模式 基本认识

设计模式 基本认识

文章目录 设计模式的作用设计模式三原则设计模式与类图设计模式的分类 设计模式的作用 设计模式是在软件设计过程中针对常见问题的解决方案的一种通用、可重用的解决方案。设计模式提供了一种经过验证的方法&#xff0c;可以帮助开发人员解决特定类型的问题&#xff0c;并在软…
阅读更多...
C++常用的输入输出方法（ACM模式）

C++常用的输入输出方法（ACM模式）

文章目录 前言一、输入输出方法1、cin2、getline()3、getchar() 二、算法案例1、一维数组1.1 输入固定长度1.2长度不固定 2、固定二维数组3、以非空格隔开的元素输入3、常见数据结构定义以及输入3.1 链表 前言 C中的输入输出函数有很多&#xff0c;我们本章只针对大部分算法题…
阅读更多...
Makefile 快速入门

Makefile 快速入门

参考自:Makefile 20分钟入门&#xff0c;简简单单&#xff0c;展示如何使用Makefile管理和编译C代码_哔哩哔哩_bilibili 注: 视频中用的是C&#xff0c;博主这里用C语言实现 喜欢老师的于老师的还请多多点赞&#xff0c;觉得博主写得不错的&#xff0c;也可以点赞、收藏哦 本…
阅读更多...
mars3d实现获取线上不同历里程的坐标

mars3d实现获取线上不同历里程的坐标

mars3d实现获取线上不同历里程的坐标应用效果 线路数据是这样的&#xff0c;由很多段组成的&#xff0c;是不是就只能一段一段去计算看处于哪一段上具体位置 相关说明&#xff1a;想要实现以上效果的话&#xff0c;mars3d实现需要以下两点 1、需要合并线 2、可以利用 http://m…
阅读更多...
学习周报：文献阅读+Fluent案例+有限体积法理论学习

学习周报：文献阅读+Fluent案例+有限体积法理论学习

目录 摘要 Abstract 文献阅读&#xff1a;基于物理信息神经网络的稀疏数据油藏模拟 文献摘要 文章讨论|结论 各方程和原理简介 PINN简介 域分解 实验设置 单相油藏问题 油水两相问题 Fluent实例&#xff1a;Y型弯管中的流体混合分析 几何建模部分 网格划分 求解器设…
阅读更多...
贝叶斯统计实战：Python引领的现代数据分析之旅

贝叶斯统计实战：Python引领的现代数据分析之旅

贝叶斯统计这个名字取自长老会牧师兼业余数学家托马斯贝叶斯(Thomas Bayes&#xff0c;1702—1761)&#xff0c;他最先推导出了贝叶斯定理&#xff0c;该定理于其逝世后的1763年发表。但真正开发贝叶斯方法的第一人是Pierre-Simon Laplace(1749—1827)&#xff0c;因此将其称为…
阅读更多...
C++|STL-list运用（1）

C++|STL-list运用（1）

cplusplus.com/reference/list/list/?kwlist list介绍 list是一个双向循环链表&#xff0c;双向循环链表它的每个节点都有两个链接&#xff0c;一个指向前一个节点&#xff0c;另一个指向下一个节点&#xff0c;且最后一个结点指向头节点。 结点组成 1.数据域 2.指针域 &a…
阅读更多...
最新文章

Copyright @ 2022~2023