PyTorch环境配置常见报错的解决办法

目标

小白在最基础的环境配置里一般都会出现许多问题。

这里把一些常见的问题分享出来。希望可以节省大家一些时间。

最终目标是可以在cmd虚拟环境里进入jupyter notebook,new的时候有对应的环境,并且可以跑通所有的import code。

第一步: 在anaconda中创建一个专门的虚拟环境

bash 复制代码
conda create -n py37_torch131 python=3.7

第二步:激活环境

bash 复制代码
# 激活环境
source activate py37_torch131

## 如果source报错,改用conda 
conda activate py37_torch131

# 退出环境的指令
deactivate

以上两步一般都不会出现什么问题。

第三步:在虚拟环境下安装pytorch1.3.1及各种依赖库

原始安装代码:

bash 复制代码
# 安装pytorch1.3.1
conda install pytorch=1.3.1 torchvision cudatoolkit=10.0

# 安装其他依赖库
pip install jupyter tqdm opencv-python matplotlib pandas

这一步可能会遇到非常多的安装的问题。

安装的时候可能会遇到:

① channel找不到的,报错为 The following packages are not available from current channels;

②也可能文件比较大,或者下载速度非常慢。

此外,conda的安装目前不支持断点续传,一旦卡住了或者超时,就需要重头再来。

这里提供一种针对各种安装问题的通用解决方案: **尽量都通过清华源的镜像下载安装。**相比速度很快。

bash 复制代码
# 先添加清华的channels

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

# 安装pytorch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# conda install pytorch torchvision cudatoolkit=10.0 # 不指定版本的话,默认下载最新的,这样的话再baseline里可能会遇到需要将target类型转为long的报错提示

conda install pytorch=1.3.1 torchvision cudatoolkit=10.0


# 安装其他依赖包
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple jupyter tqdm opencv-python matplotlib pandas

如果要安装其他包,可以先网上搜索下清华镜像是否有,一般都会有的。然后尽量通过清华镜像资源下载。

第四步:启动notebook

bash 复制代码
jupyter-notebook
jupyter notebook
# 以上两种方式都可以启动notebook

本来要开始愉快的代码之旅了,结果发现在notebook里new的时候,并没有我们刚刚创建的那个虚拟环境。

原因是缺少nb_conda插件,以及没有导入虚拟环境。

bash 复制代码
# 安装nb_conda插件
conda install nb_conda
conda install ipykernel
  
# 导入虚拟环境
python -m ipykernel install --user --name py37_torch131 --display-name "py37_cv"

# 最后启动jupyter notebook
jupyter notebook

总结

要敲的指令按顺序如下:

bash 复制代码
conda create -n py37_torch131 python=3.7 
conda activate py37_torch131

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
 

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda install pytorch=1.3.1 torchvision cudatoolkit=10.0
   
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple jupyter tqdm opencv-python matplotlib pandas


conda install nb_conda
conda install ipykernel


python -m ipykernel install --user --name py37_torch131 --display-name "py37_cv"
jupyter notebook

在notebook里new file的时候记得选择 py37_cv那个环境。

最终效果如下:

相关推荐
benchmark_cc2 小时前
如何用 Python + QuantDash 快速构建高胜率“配对交易(Pairs Trading)”策略?
开发语言·人工智能·python·pandas·量化交易·quantdash
程序员无隅3 小时前
Coding Agent 为什么压缩上下文后还能继续工作?上下文模块设计拆解
java·开发语言·数据库
Python+994 小时前
Java 枚举类(Enum)详解:从基础到高级应用
java·开发语言·python
二炮手亮子4 小时前
浅记java线程池
java·开发语言
华盈生物4 小时前
从bulk数据到组织原位观察:超多重免疫荧光成像如何为转化研究提供蛋白层线索?
深度学习·pcf·多模态数据·空间单细胞蛋白组·单细胞组织原位空间蛋白组学·组织原位空间蛋白组学·超多重蛋白成像技术
zmzb01034 小时前
C++课后习题训练记录Day157
开发语言·c++
dunge20264 小时前
2026年7月最新ChatGPT Plus / Pro 与 Codex:当 AI Agent 最新5.6版本来袭,必须理解事务、幂等与补偿
开发语言·人工智能·python
这张生成的图像能检测吗5 小时前
(论文速读)CLUSTER-GCN:一种训练深度和大图卷积网络的有效算法
人工智能·深度学习·图神经网络·聚类算法
Omics Pro5 小时前
深度学习多组学互作:组内+组间
数据库·人工智能·深度学习·mysql·搜索引擎·自然语言处理
txg6666 小时前
机器人领域简报(2026年7月9日—16日)
人工智能·深度学习·机器人