深度学习工具jupyter创建并检测pytorch环境以及安装工具包

1. 前言

确保已经安装Python和anaconda(anaconda一般自带jupyter)。然后创建一个jupyter环境,查看启动后的new有没有环境选项。

如果遇到了EnvironmentLocationNotFound:Not such a environment。说明conda环境安装位置有问题,往往是c盘中文路径的问题。可以参考我的另外一篇博客。
深度学习工具jupyter的new没有环境选项以及遇到的EnvironmentLocationNotFound:Not such a environment

2.安装pytorch环境

仅仅能用jupyter打开Python3环境是不够的,这样只能完成一般的Python任务。我们下载jupyter以及安装pytorch框架往往是为了深度学习等任务。

创建pytorch环境并安装包###

点击anaconda,即可进入

1.创建pytorch环境

准备创建pytorch环境,命令中-n表示后面接着名字,随意即可。python版本要自己看下

命令:conda create -n pytorch python=3.8

注意进去的时候是base环境,一般我们不操作base环境,而是类似docker一样创建一个新环境(或者理解为容器)。然后在这个环境里面安装一堆工具,为自己的工作目的服务。

2.查看python版本

需要知道自己的python版本。忘记的 win+R,输入cmd,并使用命令python -V,注意空格和大写V


在安装成功后激活环境:

使用命令:pip list查看环境中有哪些工具包

3.安装pytorch框架

显然,这环境不足以干深度学习的活。我们需要安装pytorch框架。

首先进入pytorch首页:pytorch

下拉,选择对应的条件:没有GPU的选CPU

查看自己的显卡:任务栏右键选择任务管理器,然后选择性能

本人电脑有英伟达3050独显和amd自带集显。

然后继续win+r,输入cmd进入黑框,输入命令 :nvidia-smi

看到个人显卡的cuda版本12.0。我们在刚刚的pytorch中选择cuda 11.8就行。

将命令复制粘贴并执行。

输入y,等待安装即可(速度可能很慢,据说手机热点可以快点 ,个人没试过):我当时花了大概1小时安装全部。

之后检查一下是否安装成功:

输入python命令。

然后import torch torch.cuda.is_available()

注意不要输错了

返回True说明可以了

4.如果想退出pytorch环境

命令:conda deactivate即可返回base环境

5.在创建的pytorch环境安装jupyter

命令:conda install nb_conda

3.启动jupyter

安装成功后。在pytorch环境启动jupyter命令:jupyter notebook

下面的地址随便选一个,复制到浏览器上。如果没能打开,关掉anaconda,重新启动,进入pytorch环境并启动jupyter试试。

点击进入pytorch环境

大概这样子

自此,成功使用jupyter并在pytorch环境下运行

相关推荐
Work(沉淀版)2 小时前
DAY 40
人工智能·深度学习·机器学习
拾忆-eleven3 小时前
NLP学习路线图(二十六):自注意力机制
人工智能·深度学习
MYH5164 小时前
在NLP文本处理中,将字符映射到阿拉伯数字(构建词汇表vocab)的核心目的和意义
人工智能·深度学习·自然语言处理
狂小虎7 小时前
02 Deep learning神经网络的编程基础 逻辑回归--吴恩达
深度学习·神经网络·逻辑回归
猫天意8 小时前
【深度学习】为什么2个3×3的卷积可以相当于一个5×5的卷积核?为什么3个3×3的卷积相当于一个7×7的卷积核,到底区别在哪里?我们该如何使用?
人工智能·深度学习·神经网络·目标检测·视觉检测
阔跃生物9 小时前
Nature Methods | OmiCLIP:整合组织病理学与空间转录组学的AI模型
人工智能·深度学习·机器学习
Mrs.Gril9 小时前
RKNN3588上部署 RTDETRV2
深度学习·yolo·rknn·rtdetr
Ama_tor10 小时前
14.AI搭建preparationのBERT预训练模型进行文本分类
人工智能·深度学习·bert
QQ6765800810 小时前
基于 PyTorch 的 VGG16 深度学习人脸识别检测系统的实现+ui界面
人工智能·pytorch·python·深度学习·ui·人脸识别
Blossom.11811 小时前
量子通信:从科幻走向现实的未来通信技术
人工智能·深度学习·目标检测·机器学习·计算机视觉·语音识别·量子计算