搭建最新tensorflow 与pytorch环境

1、安装 Anaconda:

如果您尚未安装 Anaconda,首先访问 https://www.anaconda.com/products/distribution/ 下载适用于您操作系统的最新版本。按照官方指南完成安装过程。

2、设置 Conda 源

方法一:命令行配置

临时使用: 如果您只想临时为一次命令使用清华源,可以在安装或更新包时直接指定源:

conda install <package-name> -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/\<channel-name>

请将 <package-name> 替换为您要安装的包名,<channel-name> 替换为具体的频道名,如 conda-forge、pytorch 等。例如:

conda install numpy -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

永久更改: 若要永久将 Conda 的默认源设置为清华源,执行以下命令:

bash 复制代码
​
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/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes
方法二:编辑用户目录的.condarc 文件

打开配置文件: 使用文本编辑器打开您的 Conda 配置文件:

bash 复制代码
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - defaults
show_channel_urls: true
ssl_verify: false #解决https error问题

设置 pip源

方法一:临时使用

在安装单个包时临时使用清华源:

pip install --index-url https://pypi.tuna.tsinghua.edu.cn/simple <package-name>

将 <package-name> 替换为您要安装的包名。

方法二:永久更改

你可以通过使用 pip config 命令来生成

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

这个命令将在你的用户主目录下的 .pip 文件夹中创建或更新 pip.conf 文件,然后将清华源添加到其中。

conda config --set ssl_verify false

此命令禁用 SSL 证书验证。注意,这样做会降低安全性,因为您将不再验证下载包的完整性。完成操作后记得重新启用证书验证。

源地址变动:确认源地址:访问清华大学开源软件镜像站(如 Index of /anaconda/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror ),查看最新的 Conda 镜像源地址。有时,源地址可能会发生变化,您需要更新配置中使用的 URL。

官方建议:按照清华大学提供的官方指南(如 anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror )来配置 Conda 源,确保使用的是官方推荐的最新地址和方法。

3、安装tensorflow

3.1创建新的虚拟环境:打开 Anaconda Prompt(Windows)或终端(Linux/macOS),运行以下命令创建一个新的 Conda 虚拟环境,这里假设环境名为 tf-env。您可以根据需要替换为其他名称: conda create -n tf-env =3.9

3.2 创建环境后,激活它:conda activate tf-env

3.3在激活的环境中,使用以下命令安装最新版本的 TensorFlow

pip install tensorflow 或 conda install tensorflow

注意:从 TensorFlow 2.7 开始,官方推荐使用 tensorflow 包,它会自动选择 CPU 或 GPU 版本(如果适用)。

3.4验证安装:

python 复制代码
python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

或 安装完成后,打开 解释器或 Jupyter Notebook,输入以下代码

import tensorflow as tf

print(tf.version)

4、安装 JupyterLab

JupyterLab 默认已经包含了基于 jedi 或 ipywidgets 等库的代码补全功能。您只需启动 JupyterLab,然后在编写代码时按 Tab 键即可触发自动补全。但您可能希望进一步增强其功能,例如使用更先进的语言服务器协议 (Language Server Protocol, LSP) 支持。JupyterLab LSP 提供了一个框架,用于集成各种语言的 LSP 服务,以获得更强大的代码补全、语法检查、跳转到定义等功能。

用以下命令通过 pip 安装 JupyterLab jupyterlab-lsp:

pip install jupyterlab jupyterlab-lsp

修改配置文件

生成配置文件(如果尚未存在):jupyter lab --generate-config

这将在您的用户家目录下创建一个名为 jupyter_lab_config.py 的文件,通常位于 ~/.jupyter/jupyter_lab_config.py(具体路径可能因操作系统而异)。

在配置文件中找到如下一行(可能被注释掉):

c.ServerApp.root_dir = ''

取消注释(去掉 #),并将其修改为您希望 JupyterLab 启动时默认打开的路径:

c.ServerApp.root_dir = '/path/to/your/workdir'

请确保将 /path/to/your/workdir 替换成实际的完整路径。

保存并关闭文件:

保存对配置文件所做的修改,然后关闭文本编辑器。

启动命令: jupter lab

5、安装其他包:

conda install matplotlib scikit-learn jieba pandas seaborn

6 搭建pytorch环境

conda create -n torch-env python=3.9

此命令将创建一个使用 3.9 的新环境。

创建环境后,激活它:

conda activate torch-env

转到 PyTorch 官方网站 https://pytorch.org/get-started/locally/ ,根据您的操作系统、 版本、CUDA 版本(如果有 NVIDIA GPU)以及是否需要额外的库

例如,如果您有一个支持 CUDA 12.x 的 NVIDIA GPU,并希望同时安装 torchvision,复制提供的 conda install 命令(通常类似于以下格式)并粘贴到终端中执行:

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

如果您没有 NVIDIA GPU 或不打算使用 GPU 加速,选择对应的 CPU 版本命令,例如

bash 复制代码
conda install pytorch torchvision torchaudio cpuonly -c pytorch

安装完成后,打开 解释器或 Jupyter lab,在其中输入以下代码验证 PyTorch 是否安装成功并查看版本信息:

import torch

print(torch.version)

print(torch.cuda.is_available()) # 如果安装了 GPU 版本,此行将显示是否正确识别到 CUDA

如果没有报错且输出了 PyTorch 的版本号,并且(对于 GPU 版本)torch.cuda.is_available() 返回 True,说明安装成功。

至此,您已使用 Anaconda 成功搭建了包含 PyTorch 的虚拟环境。在需要使用该环境时,只需通过 conda activate pytorch-env 命令激活即可。要退出当前环境,运行 conda deactivate。

相关推荐
昨日之日20062 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_2 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover2 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
热爱跑步的恒川3 小时前
【论文复现】基于图卷积网络的轻量化推荐模型
网络·人工智能·开源·aigc·ai编程
阡之尘埃5 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控
孙同学要努力7 小时前
全连接神经网络案例——手写数字识别
人工智能·深度学习·神经网络
Eric.Lee20217 小时前
yolo v5 开源项目
人工智能·yolo·目标检测·计算机视觉
其实吧38 小时前
基于Matlab的图像融合研究设计
人工智能·计算机视觉·matlab
丕羽8 小时前
【Pytorch】基本语法
人工智能·pytorch·python
ctrey_8 小时前
2024-11-1 学习人工智能的Day20 openCV(2)
人工智能·opencv·学习