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
风已经起了几秒前
FPGA学习笔记——简单的乒乓缓存(RAM)
笔记·学习·fpga开发
YuhsiHu13 分钟前
【论文简读】LongSplat
人工智能·深度学习·计算机视觉·3d
2zcode15 分钟前
基于Matlab图像处理的液晶显示器表面缺陷检测与分类研究
人工智能·计算机视觉
白杨SEO营销38 分钟前
白杨SEO:百度搜索开放平台发布AI计划是什么?MCP网站红利来了?顺带说说其它
人工智能·百度
有Li43 分钟前
探索医学领域多模态人工智能的发展图景:技术挑战与临床应用的范围综述|文献速递-医学影像算法文献分享
论文阅读·人工智能·医学生
陈大鱼头1 小时前
PromptPilot — AI 自动化任务的下一个环节
人工智能
若天明1 小时前
深度学习-卷积神经网络CNN-卷积层
人工智能·深度学习·cnn
小关会打代码2 小时前
机器学习第三课之逻辑回归(二)LogisticRegression
人工智能·机器学习·逻辑回归
天天找自己2 小时前
机器学习基石:深入解析线性回归
人工智能·机器学习·线性回归