如何在自己电脑上配置开发深度学习项目(windows)
目录
一、配置环境
1.安装conda
2.安装jupyter-notebook
3.创建conda虚拟环境
4.安装nb工具,并链接到之前安装的Jupyter Notebook。
5.安装TensorFlow
6.安装pytorch
二、创建项目
一、配置环境
1.安装conda
conda是一个类似pip的包管理软件,这里我用的mini-conda
要安装 Mini-Conda,请访问:https://docs.conda.io/en/latest
正常安装即可不是必须让他配置环境变量,如果你需要的话可以手动添加
安装好后在控制台查看版本
> conda —V
在PATH中添加以下三个路径即可
2.安装jupyter-notebook
> conda install -y jupyter
控制台输入代码验证是否安装好(正常会帮你打开一个网页)
> jupyter notebook
3.创建conda虚拟环境
以下指令都在conda控制台执行(可以从开始菜单进入),或者如果配置了环境变量就不需要非得conda控制台了
这里因为我目前需要,用python3.7创建的,没要求的话小括号可以不写
conda create --name 虚拟环境名字 (python=版本)
如:conda create --name venv (python=3.7)
查看所有虚拟环境:
> conda env list
激活该虚拟环境或切换到某虚拟环境:
> conda activate 名字
有可能需要初始化一下,根据控制台的反馈来就行。
退出当前虚拟环境:
> conda deactivate
查看这个虚拟环境下安装的包:
> conda list
4.安装nb工具,并链接到之前安装的Jupyter Notebook。
> conda install nb_conda
要将该环境注册到 Jupyter Notebook,可运行以下命令:
> python -m ipykernel install --user --name venv --display-name “Python 3.7 (venv)”
Powershell 中执行 nvidia-smi 命令进行验证CUDA工具包
5.安装TensorFlow
先根据上面的指令进入创建的虚拟环境
> conda activate venv
如果需要GPU,使用以下指令
> conda install -c anaconda tensorflow-gpu
仅CPU:
> conda install -c anaconda tensorflow
安装好后用python试一下有没有成功
>>> import tensorflow as tf
>>> tf.__version__
'2.3.0'
如果输出版本号就ok了
6.安装pytorch
如果你想安装支持 CUDA 的 PyTorch,使用以下命令:
> conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge
这个11.6是我电脑的cuda的版本,具体可以去pytorch网站查看:Start Locally | PyTorch
至于仅使用 CPU 的 PyTorch,只需从以上命令中移除 cudatookit 即可:
> conda install pytorch torchvision cpuonly -c pytorch
该命令会通过 Conda 的 PyTorch 通道安装兼容 CUDA 的 PyTorch。
使用python验证是否成功
>>> import torch
>>> torch.__version__
'1.12.1'
以上内容参考文章:用Windows电脑训练深度学习模型?超详细配置教程来了 - 知乎
二、创建项目
我是使用pycharm开发
解释器选择之前创建的虚拟环境中的python
左边选择Conda环境
进入conda安装目录下的envs --> 选择之前创建的虚拟环境对应的文件夹 --> 选择python.exe
进去之后终端改成Anaconda
这个路径是
这个路径直接复制过去
pycharm也可查看安装的包
conda卸载包(以pytorch为例)
conda uninstall pytorch 卸载
如何在自己电脑上配置开发深度学习项目(windows)相关推荐
- windows上配置本地深度学习工作站
文章目录 前言 1. 安装Anaconda 2. 创建python环境 3. 安装Jetbrains Toolbox 4. 安装Pycharm Professional/Community 5. 安装 ...
- 盘点 | Github上的18个顶级深度学习项目
选自Github 机器之心编译 hunkim 盘点了 Github 上 18 个深度学习项目,根据收藏数自动排名.最新的一次 update 在几小时前完成. 项目地址:https://github.c ...
- 如何在实际中计划和执行一个机器学习和深度学习项目
2019-11-27 20:27:28 作者:Sayak Paul 编译:ronghuaiyang 导读 做研究打比赛和真正的做一个机器学习和深度项目是不一样的,如果你有这方面的困惑的话,可以看看这篇 ...
- Go1 头部相机传图到自己电脑上进行开发—环境配置相关
Go1 相机传图到自己电脑上进行开发-环境配置Trick 0 以头部相机为例发送 Go 1头部相机发送可以参考宇树B站的camera_sdk教程. 本文主要解决在自己电脑上接收图像camera_sdk ...
- 在Windows电脑上配置Speedtest测速服务器
在windows电脑上配置Speedtest服务器 0.下载本教程中所需要的资料 1.安装iss服务端 2.下载并安装PHP Manager for IIS 3.下载PHP包并解压 4.为IIS配置P ...
- git在一台电脑上配置不同的仓库(多个gitee仓库、或者不同的github仓库)
前言 在开发过程中,我们工作的时候难免会使用到两个不同的仓库,但是正常来说一电脑默认一个参考,直接会用全局命令 git config --global user.name "yourName ...
- Mac电脑上配置环境变量的方法
Mac电脑上配置环境变量的方法 使用vim配置环境变量 1.首先执行命令:vim .bash_profile 用vim打开该文件,然后输入i,表示insert,就是编辑模式 如:Node环境变量配置 ...
- AM5728开发深度学习之安装 caffe-jacinto
AM5728开发深度学习之安装 caffe-jacinto--WizNote笔记 要先使用自己训练的模型,可以使用caffe和Tensorflow,但是使用TI的caffe-jacinto能让训练的模 ...
- CUDA上的量化深度学习模型的自动化优化
CUDA上的量化深度学习模型的自动化优化 深度学习已成功应用于各种任务.在诸如自动驾驶汽车推理之类的实时场景中,模型的推理速度至关重要.网络量化是加速深度学习模型的有效方法.在量化模型中,数据和模型参 ...
最新文章
- 安全测试之xss攻击和mysql注入
- php手册常用的函数
- 属于链路状态路由选择协议,
- Silverlight中的拖拽实现的图片上传---1
- .NET程序员的C\C++情结(3)
- 如何查看ddos 放开的ip
- 算法笔记_029:约瑟夫斯问题(Java)
- JavaScript入门(part10)--作用域
- Silverlight 打印
- .net core 下使用StackExchange的Redis库访问超时解决
- 舱机器人尾巴毛茸茸_毛茸茸的(Fluffy)——欧美有史以来最伟大的机器人战争机器人...
- PropertyGrid 控件使用方法
- This blog has been cancelled for a long time
- 计算机四级软考数据库系统工程师教材
- java rest 请求_rest有哪些请求方法
- 可能是最有心的微信文章排版规范
- 《在难搞的日子笑出声来》
- ssm框架前后端数据交互完整示例
- python象棋游戏代码_python学员作品-象棋游戏
- 计算机网络实验路由器配置