深度学习环境配置(Anaconda+pytorch+pycharm+cuda)

NVIDIA驱动安装

首先查看电脑的显卡版本,步骤为:此电脑右击-->管理-->设备管理器-->显示适配器。就可以看到电脑显卡的版本了。

然后按照电脑信息,到地址去安装相应的驱动,Notebooks是笔记本的意思,然后下载即可,安装的时候按提示来就行;

安装完之后,按 win + r 打开命令行窗口,输入以下命令 :

复制代码
nvidia-smi

Anaconda 环境的安装与配置

具体详细的可以参考这一篇 :

Anaconda安装与配置-CSDN博客

Pytorch环境安装

如果anaconda的环境没有配置的话,可以直接按住 win ,然后打开下面这个 :

先查看已经有了那些环境 :

输入:

python 复制代码
conda env list

由于之前学习的1需要,我这里已经另外安装好了 opencv 和 tensflow 这两个,第一次的话就只会有base这个环境 (如图):

这个base环境是anaconda的基础环境,之后创建的虚拟环境都会创建在base( envs ) 里面 :

打开anaconda的目录可以看到 :

创建pytorch的虚拟环境 (在命令行中输入以下指令) :

python 复制代码
conda create -n pytorch python=3.8

执行命令之后就会创建一个虚拟的环境,这个环境中会提供一些基础的包,如下 :

询问是否安装,输入 y , 就会开始安装新的环境了 ;

检查安装情况 : 输入

python 复制代码
conda env list

下面出现 pytorch 之后就代表 pytorch 安装好了!

激活(大概这个意思) : 输入命令 : conda activate 环境名称 :(一定要执行这一条命令,并且在pytorch环境中,执行后面的命令,否则会下到base环境当中)

python 复制代码
conda activate pytorch

然后关于清华那个镜像源的,请看anaconda里面有详细操作(因为pytorch的官网在国外,下载相关的环境包是比较慢的,所以我们给环境换源。在pytorch环境下执行如下的命名给环境换清华源);

或者打开自己的.conda文件直接记事本或其他文本编辑器打开,将里面的内容换为一下内容 :

复制代码
channels:
  - defaults

show_channel_urls: true

default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

然后呢,你可能找不到你的.condarc文件在哪?

在命令行中执行 :

复制代码
conda config --show-sources

就可以找到你的.condarc文件在哪里了!

pytorch官网 : PyTorch

下载其它版本可以点击

下面的 Previous versions of Pytorch;

然后安装cuda,之前查到最高支持12.3版本的cuda,那就下11.1版本的,输入以下命令 (好像输入这个只会下cpu版本的,不加最后的 -c pytorch的 情况):

python 复制代码
conda install pytorch torchvision torchaudio cudatoolkit=11.1

或者下12.1版本的 :

python 复制代码
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

在这个的下载过程中,可能会出现

最后大概就是这样 :

安装PaddlePaddle环境 :

与Pytorch一样 , 先后执行 :

python 复制代码
conda create -n paddle python=3.8
python 复制代码
conda activate paddle

然后打开PaddlePaddle官网 : https://www.paddlepaddle.org.cn/

复制需要创建环境的命令,比如我下载cuda 11.2版本的 ,就直接复制下面的 :

命令 :

python 复制代码
conda install paddlepaddle-gpu==2.5.2 cudatoolkit=11.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/ -c conda-forge 

然后执行即可;

pycharm的安装 :

关于pycharm ( 一个非常好用的python编辑器) 直接去官网下就行了 ,官网 : Download PyCharm: Python IDE for Professional Developers by JetBrains

一般个人用到的有两个版本,社区版 和 专业版 , 专业版是付费的,一般使用社区版就好了;

然后一路(傻瓜式安装)即可,要注意的是,最好是去更改一下安装路径(防止c盘爆满) :

New Project :

在pycharm中直接在左上角 File -> New project :

点击红色标出来的东西 :

选择Conda Environment,然后在Interpreter哪里的下拉列表里面就会自动出现Pytroch的python 的 interpreter,选择pytroch的就行,如果没有出现,点击后面的三个点自己导入即可;

然后点击 Create ( 创建 ) 即可 ;

创建成功之后,右下角就会出现 :

在pytorch的python命令行中,执行 import pytorch不报错,就代表安装好了;

参考教程 :

Anaconda多环境多版本python配置指导 - 简书

利用Anaconda安装pytorch和paddle深度学习环境+pycharm安装---免额外安装CUDA和cudnn(适合小白的保姆级教学)_利用anconda安装pytorch和_炮哥带你学的博客-CSDN博客

pytorch安装过程中遇到的下载失败/下载中断问题_pytorch下载中断_尼安的博客-CSDN博客

Getting started with conda --- conda 23.10.1.dev61 documentation

清华源连接失败原因与解决 CondaHTTPError SSLError_exception: httpsconnectionpool(host='mirrors.tuna.-CSDN博客

python - Conda SSL error - Stack Overflow

相关推荐
墨绿色的摆渡人2 小时前
pytorch小记(二十二):全面解读 PyTorch 的 `torch.cumprod`——累积乘积详解与实战示例
人工智能·pytorch·python
大模型铲屎官3 小时前
【Python-Day 14】玩转Python字典(上篇):从零开始学习创建、访问与操作
开发语言·人工智能·pytorch·python·深度学习·大模型·字典
一点.点3 小时前
计算机视觉的简单介绍
人工智能·深度学习·计算机视觉
Stara05114 小时前
基于多头自注意力机制(MHSA)增强的YOLOv11主干网络—面向高精度目标检测的结构创新与性能优化
人工智能·python·深度学习·神经网络·目标检测·计算机视觉·yolov11
kyle~4 小时前
深度学习---知识蒸馏(Knowledge Distillation, KD)
人工智能·深度学习
ayiya_Oese11 小时前
[模型部署] 3. 性能优化
人工智能·python·深度学习·神经网络·机器学习·性能优化
每天都要写算法(努力版)11 小时前
【神经网络与深度学习】通俗易懂的介绍非凸优化问题、梯度消失、梯度爆炸、模型的收敛、模型的发散
人工智能·深度学习·神经网络
Blossom.11812 小时前
Web3.0:互联网的去中心化未来
人工智能·驱动开发·深度学习·web3·去中心化·区块链·交互
硅谷秋水14 小时前
学习以任务为中心的潜动作,随地采取行动
人工智能·深度学习·计算机视觉·语言模型·机器人
九章云极AladdinEdu16 小时前
GPU与NPU异构计算任务划分算法研究:基于强化学习的Transformer负载均衡实践
java·开发语言·人工智能·深度学习·测试工具·负载均衡·transformer