动手学习深度学习之环境配置

创建conda虚拟环境

下载anaconda,安装到计算机,修改镜像源到国内

复制代码
show_channel_urls: true
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults

创建一个新的虚拟环境
conda create --name d2l python=3.9 -y
创建完成后,激活虚拟环境
conda activate d2l

安装CPU版本的pytorch

如果只有CPU,则只需要安装cpu版本的pytorch

复制代码
pip install torch==1.12.0
pip install torchvision==0.13.0

安装GPU版本的pytorch

如果需要利用GPU来学习,就需要安装GPU版本的Pytorch,

在安装之前需要先配置GPU环境,安装CUDA和CudaNN

  1. 安装CUDA

    输入如下命令查看GPU驱动信息
    nvidia-smi

从官网下载对应版本的安装程序CUDA Toolkit Archive Nvidia Developer

复制代码
https://developer.nvidia.com/cuda-toolkit-archive

安装(推荐自定义安装在有空余的盘中,我的安装地址:D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1 ;D:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1 )

验证:输入nvcc --version 进行检查

  1. 安装CudaNN

下载CudaNN

https://developer.nvidia.com/rdp/cudnn-download

将压缩包解压之安装路径下(D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1)

验证:

  • 进入 d:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite
  • 运行bandwidthTest.exe
  • 输出结果Result = PASS,安装成功
  1. 安装gpu版本的pytorch
    在pytorch官网https://pytorch.org/找到对应的版本,复制指令安装

    pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

安装d2l软件包

复制代码
pip install d2l==0.17.6

运行

在pycharm切换项目的虚拟机为d2l,就可以运行了

如果在jupyternotebook中运行,就先用conda激活环境,再用命令行打开Jupyter notebook

相关推荐
JT85839612 分钟前
AI GEO 优化能否快速提升网站在搜索引擎的排名?
人工智能·搜索引擎
幂律智能14 分钟前
吾律——让普惠法律服务走进生活
人工智能·经验分享
IT_陈寒18 分钟前
Java性能优化:从这8个关键指标开始,让你的应用提速50%
前端·人工智能·后端
yzx99101322 分钟前
构建未来:深度学习、嵌入式与安卓开发的融合创新之路
android·人工智能·深度学习
非门由也33 分钟前
《sklearn机器学习——特征提取》
人工智能·机器学习·sklearn
机器学习之心2 小时前
基于CNN的航空发动机剩余寿命预测 (MATLAB实现)
人工智能·matlab·cnn
钝挫力PROGRAMER2 小时前
AI中的“预训练”是什么意思
人工智能
Godspeed Zhao2 小时前
自动驾驶中的传感器技术39——Radar(0)
人工智能·机器学习·自动驾驶·毫米波雷达
idealmu3 小时前
知识蒸馏(KD)详解一:认识一下BERT 模型
人工智能·深度学习·bert
Cathyqiii3 小时前
生成对抗网络(GAN)
人工智能·深度学习·计算机视觉