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

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 …

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 …

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…

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…

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…

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…

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&…

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…

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…

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…

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。 …

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>…

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;…

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…

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…

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…

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…

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…

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…

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…