【深度学习代码调试2】环境配置篇(中) -- 列出conda环境中所有env的pytorch版本

【深度学习代码调试2】环境配置篇(中) -- 列出conda环境中所有env的pytorch版本

  • 写在最前面
  • [如何检查所有 Conda 环境中的 PyTorch 版本(并重点提示 PyTorch 1.7.1 版本)](#如何检查所有 Conda 环境中的 PyTorch 版本(并重点提示 PyTorch 1.7.1 版本))
    • [1. 列出所有 Conda 环境](#1. 列出所有 Conda 环境)
    • [2. 检查每个环境中的 PyTorch 版本](#2. 检查每个环境中的 PyTorch 版本)
      • [方法 1:使用 Python 命令检查 PyTorch 版本](#方法 1:使用 Python 命令检查 PyTorch 版本)
      • [方法 2:使用 `pip show torch` 命令](#方法 2:使用 pip show torch 命令)
    • [3. 编写脚本自动检查所有 Conda 环境中的 PyTorch 版本](#3. 编写脚本自动检查所有 Conda 环境中的 PyTorch 版本)
    • 总结


🌈你好呀!我是 是Yu欸 🌌 2024每日百字篆刻时光,感谢你的陪伴与支持 ~ 🚀 欢迎一起踏上探险之旅,挖掘无限可能,共同成长!


写在最前面

版权声明:本文为原创,遵循 CC 4.0 BY-SA 协议。转载请注明出处。

经历了一周的环境配置和代码调试,终于将整个项目跑通。感谢杨学长、栗学长、聂学长以及申申的指导和帮助。

为了帮助自己和其他需要配置环境的朋友,特此总结记录一些常见的问题与解决方案。

在深度学习项目中,环境配置是关键的一步,尤其是需要同时安装TensorFlow和PyTorch等框架时,可能会遇到各种问题。

本文将详细记录本次安装过程中遇到的问题及解决方案,以供大家参考。

如何检查所有 Conda 环境中的 PyTorch 版本(并重点提示 PyTorch 1.7.1 版本)

在使用 Conda 进行深度学习开发时,我们可能会在多个虚拟环境中安装不同版本的 PyTorch。如果需要快速检查各个环境中的 PyTorch 版本,尤其是检查是否安装了 pytorch==1.7.1 版本,我们可以通过命令行手动检查,也可以编写一个简单的 Bash 脚本来自动化这一过程。

本文将为您详细介绍如何操作。

1. 列出所有 Conda 环境

要检查所有 Conda 环境中的 PyTorch 版本,首先,我们需要获取系统中所有已创建的 Conda 虚拟环境。可以通过以下命令列出所有环境:

bash 复制代码
conda env list

该命令会输出当前系统中所有 Conda 环境及其路径,结果可能类似于以下内容:

# conda environments:
#
base                  *  /path/to/anaconda3
env1                     /path/to/anaconda3/envs/env1
env2                     /path/to/anaconda3/envs/env2
vpt_env                  /path/to/anaconda3/envs/vpt_env

在这种情况下,base 是默认的 Conda 环境,而 env1env2vpt_env 是用户创建的其他虚拟环境。

2. 检查每个环境中的 PyTorch 版本

在列出所有 Conda 环境后,接下来我们要检查每个环境中安装的 PyTorch 版本。

方法 1:使用 Python 命令检查 PyTorch 版本

在每个环境中,可以通过以下 Python 命令来查看 PyTorch 的版本:

bash 复制代码
python -c "import torch; print(torch.__version__)"

这条命令将输出当前环境中安装的 PyTorch 版本。例如:

1.7.1

方法 2:使用 pip show torch 命令

如果 PyTorch 是通过 pip 安装的,可以使用以下命令来查看 PyTorch 版本及其详细信息:

bash 复制代码
pip show torch

输出示例如下:

Name: torch
Version: 1.7.1
Summary: Tensors and Dynamic neural networks in Python with strong GPU acceleration

3. 编写脚本自动检查所有 Conda 环境中的 PyTorch 版本

如果您有多个 Conda 环境,并且想自动检查每个环境中的 PyTorch 版本,可以通过编写一个 Bash 脚本实现。这是一个示例脚本,它会遍历所有 Conda 环境,检查是否安装了 PyTorch,并重点提示是否是 pytorch==1.7.1

bash 复制代码
#!/bin/bash

# 遍历所有 Conda 环境
for env in $(conda env list | awk '{print $1}' | grep -v "#")
do
    echo "Checking environment: $env"
    
    # 激活环境
    conda activate $env > /dev/null 2>&1
    
    # 获取 PyTorch 版本
    pytorch_version=$(python -c "import torch; print(torch.__version__)" 2>/dev/null)
    
    if [[ -z "$pytorch_version" ]]; then
        echo "No PyTorch installed in $env"
    else
        echo "PyTorch version found in $env: $pytorch_version"
        
        # 如果 PyTorch 版本是 1.7.1,输出重点提示
        if [[ "$pytorch_version" == "1.7.1" ]]; then
            echo "***** PyTorch 1.7.1 is installed in $env *****"
        fi
    fi
done

详细步骤

  1. 创建或移动 .sh 文件到指定路径

    • 直接创建 .sh 文件 :在 /mnt/medai_tempcopy/wyt/vpt-main/ 路径下创建脚本:

      bash 复制代码
      nano /mnt/medai_tempcopy/wyt/vpt-main/check_pytorch.sh

      将上述脚本内容复制到文件中,保存并退出。

    • 将现有脚本移动到指定路径 :如果已经有一个脚本,可以使用 mv 命令将其移动到该路径:

      bash 复制代码
      mv check_pytorch.sh /mnt/medai_tempcopy/wyt/vpt-main/
  2. 赋予脚本执行权限

    脚本移动后,需要赋予执行权限:

    bash 复制代码
    chmod +x /check_pytorch.sh
  3. 执行脚本

    执行脚本时,可以通过指定路径来运行它:

    bash 复制代码
    bash /check_pytorch.sh

脚本运行示例

如果环境中找到了 PyTorch 1.7.1,输出将会如下:

Checking environment: base
PyTorch version found in base: 1.7.1
***** PyTorch 1.7.1 is installed in base *****

如果没有安装 PyTorch,或者安装的版本不同,输出可能如下:

Checking environment: env1
No PyTorch installed in env1

Checking environment: env2
PyTorch version found in env2: 2.0.0

总结

通过上述步骤,您可以手动或自动检查所有 Conda 环境中的 PyTorch 版本,特别是能够重点标注 pytorch==1.7.1 的环境。这对于管理多个虚拟环境并确保某些关键版本的依赖性非常有帮助。

版权声明:本文为原创,遵循 CC 4.0 BY-SA 协议。转载请注明出处。


hello,我是 是Yu欸。如果你喜欢我的文章,欢迎三连给我鼓励和支持:👍点赞 📁 关注 💬评论,我会给大家带来更多有用有趣的文章。

原文链接 👉 ,⚡️更新更及时。

欢迎大家添加好友交流。

相关推荐
youcans_9 分钟前
【微软:多模态基础模型】(5)多模态大模型:通过LLM训练
人工智能·计算机视觉·大模型·大语言模型·多模态
亚图跨际10 分钟前
Python和R荧光分光光度法
开发语言·python·r语言·荧光分光光度法
飞凌嵌入式12 分钟前
飞凌嵌入式T113-i开发板RISC-V核的实时应用方案
人工智能·嵌入式硬件·嵌入式·risc-v·飞凌嵌入式
sinovoip14 分钟前
Banana Pi BPI-CanMV-K230D-Zero 采用嘉楠科技 K230D RISC-V芯片设计
人工智能·科技·物联网·开源·risc-v
谢眠27 分钟前
深度学习day3-自动微分
python·深度学习·机器学习
搏博36 分钟前
神经网络问题之一:梯度消失(Vanishing Gradient)
人工智能·机器学习
z千鑫36 分钟前
【人工智能】深入理解PyTorch:从0开始完整教程!全文注解
人工智能·pytorch·python·gpt·深度学习·ai编程
YRr YRr1 小时前
深度学习:神经网络的搭建
人工智能·深度学习·神经网络
威桑1 小时前
CMake + mingw + opencv
人工智能·opencv·计算机视觉