linux训练深度学习模型：环境配置与安装

已于 2023-08-18 11:21:01 修改
阅读量373 收藏
点赞数
分类专栏： 环境部署 文章标签： linux
于 2023-07-24 10:48:24 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Ajdidfj/article/details/131872817
版权

配置虚拟环境报错 

conda create -n tf37 python=3.7

conda activate tf37

conda deactivate

 按照pytorch

 PyTor（）ch

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

在创建的虚拟环境中运行上述语句，之后进入python 

说明torch安装ok了，并且可用gpu。

删除虚拟环境：

conda env remove --name your_env_name

换环境安装时候会报错：

 换为

pip3 install torch torchvision torchaudio

即可。

(40条消息) conda创建虚拟环境时报错: InvalidArchiveError(‘Error with archive /usr/local/Anaconda3_eaxy_z的博客-CSDN博客

小小白2333
关注
专栏目录
在Linux服务器上部署BERT预训练模型——展示了如何在Linux服务器上使用Docker容器部署BERT预
AI天才研究院
08-07 1966
自然语言处理（NLP）技术一直以来都是非常热门的研究领域。深度学习（DL）也逐渐成为NLP的重要组成部分，并且BERT预训练模型已经成为事实上的标准模型。因此，了解BERT预训练模型及其部署至生产环境是一个必不可少的技能。本文将以BERT预训练模型的部署方式来介绍如何在Linux服务器上使用Docker容器部署BERT预训练模型。
第26篇：环境配置与工具选择：模型训练的硬件与软件环境详解
Gemini的博客
07-11 112
在现代人工智能（AI）和机器学习（ML）的世界中，模型训练需要强大的硬件和软件支持。配置合适的环境和选择正确的工具是确保模型高效训练的关键步骤。本文将详细讲解模型训练所需的硬件与软件环境，并介绍常用的工具与框架（如TensorFlow、PyTorch）。我们将通过具体的Python代码示例和详细的原理讲解，帮助零基础读者更好地理解这些概念和技术。
Linux在后台运行程序，训练模型（screen命令）
qq_43605229的博客
05-16 2651
应用screen在后台运行，训练模型引言使用方法 引言 我们在远程服务器或是云端服务器上运行程序或是训练模型时总是有一个问题就是不小心断了一下网然后训练就断开连接，训练停了，当场心态爆炸，而screen就通过在后台运行很好的解决了这个问题，断网后还能继续训练。 使用方法 1.安装 首先确定系统是否安装了screen 在终端输入以下命令，如果不报错则已经安装 which screen 如果报错则输入以下命令安装 Ubantu系统： apt-get install screen CentOS系统 yum
【Linux】机器学习模型部署：如何在Linux上部署和管理机器学习模型
最新发布
科技改变人类，技术成就未来
09-11 1117
机器学习模型的部署和管理是将模型从开发环境迁移到生产环境的关键步骤。本文将详细介绍如何在Linux上部署和管理机器学习模型，帮助读者掌握这一过程。
在linux下训练模型部署FaceNet
roymustang的博客
11-20 764
文章目录1下载程序虚拟环境的创建 1下载程序 打开facenet的github网页，复制HTTPS。 在文件夹中打开终端，首先需要安装git (base) roymustang@roymustang-GE70-2QE:~/github$ git clone https://github.com/davidsandberg/facenet.git 下载完程序 虚拟环境的创建 首先需要了解如下操作 Linux下anaconda虚拟环境创建及激活 pip和conda环境的转移和复制 通过上文环境的转移和复制可
Linux系统下配置CUDA环境，使用GPU训练模型（Ubuntu22.04+python3.10+tensorflow2.8.0+cuda11.7+cudnn8.2.0）
supperDaddy的博客
12-12 2238
在ubuntu下安装nVidia显卡驱动、配置cuda、cudnn环境、安装tensorflow-gpu、进行模型训练
Win10使用Linux子系统(WSL2)进行深度学习训练
Dteam_f的博客
07-01 1万+
1.使用场景 希望拥有Linux系统开发深度学习程序的便捷性，和Windows系统日常工作的高效性。 为什么不用虚拟机： 虚拟机（如VMware等）安装的Linux系统无法使用Windows系统中的显卡进行深度学习程序加速。 2.步骤概况 开启windows体验计划，并更新系统至较高预览版本。 安装英伟达对wsl2的显卡驱动（NVIDIA Drivers for CUDA on WSL）。 安装wsl2。 从windows商店安装Ubuntu系统。 安装CUDA Toolkit 。 Or
PyTorch强化学习实战（1）——强化学习环境配置与PyTorch基础
热门推荐
盼小辉丶的博客
05-29 11万+
工欲善其事，必先利其器。为了更专注于学习强化学习的思想，而不必关注其底层的计算细节，我们首先搭建相关强化学习环境，包括 PyTorch 和 Gym，其中 PyTorch 是我们将要使用的主要深度学习框架，Gym 则提供了用于各种强化学习模拟和任务的环境。除此之外，本文还介绍了一些 PyTorch 的基础知识，以及 Gym 环境的使用方法，为之后的强化学习实战奠定基础。
Stable Diffusion：深度学习图像生成模型的安装与使用指南.docx
07-16
### Stable Diffusion：深度学习图像生成模型的安装与使用指南 #### 一、Stable Diffusion 概述 **Stable Diffusion**是一款基于扩散模型的图像生成算法，由CompVis团队开发并在Hugging Face平台上开源。该模型因...
ArcGIS 10.7 深度学习实践：模型训练与GIS结合
文档还提到了ArcGIS Pro在制作训练样本中的作用，这表明ArcGIS不仅支持深度学习模型的训练，还能帮助用户创建和处理用于训练的数据。这包括分类样本的制作和识别样本的处理，这些都是深度学习模型训练不可或缺的一...
ArcGIS 10.7 深度学习入门：先决条件与环境配置
此外，创建训练样本是深度学习模型训练的关键，ArcGIS Pro可以帮助用户制作和准备这些样本，包括分类和识别任务的样本。 在学习过程中，了解并遵循正确的样本制作方法至关重要，因为高质量的训练数据是构建准确模型...
Linux nohup命令可挂机训练模型
qq_46147236的博客
11-20 594
将标准错误 2 重定向到标准输出 &1 ，标准输出 &1 再被重定向输入到train_log.txt 文件中。今天分享一个linux的nohup命令，使用该命令运行代码模型，代码会在后台运行，电脑关机也可持续安全得跑模型。大家都知道训练模型大多要很长时间，如果电脑突然断电则模型又要重新训练。python main.py (--可加参数）> 重定向文件。其中重定向文件可以保存训练的参数指标，1. 切换到需要执行的文件目录。具体命令知识可看这篇。
Linux下深度学习虚拟环境的搭建与模型训练
qq_41808475的博客
04-28 607
YOLOv4在Darknet的源代码可以在GitHub上找到，下载地址是。
linux训练深度学习模型：文件基本操作
Ajdidfj的博客
08-18 243
linux训练深度学习模型：文件基本操作
llama-factory 系列教程 (六)，linux shell 脚本自动实现批量大模型的训练、部署与评估
jieshenai的博客
07-31 1251
使用linux shell 脚本，自动化批量处理大模型的微调、部署与评估。无需人工逐个交互处理，减少人工的精力和时间。
Linux下用命令行进行机器学习训练
wxr0616的博客
03-17 501
如果报错FileNotFoundError: [Errno 2] No such file or directory: 'train.csv'说明路径不对，试着换成绝对路径和行对路径，我改成了这样。此外，如果要将DataFrame中的列转换为分类类型，则需要确保相应的列已经被正确转换。是因为在XGBoost中使用具有分类数据的列时，需要设置。也就意味着你选错了特征列需要重新选择特征列和标签。然后再次划分训练集和验证集然后再评估。如果不清楚测试集和训练集的列名可以。如果是excel文件记得换成。
yolov5汽车检测linux字符界面操作全流程，适合上手(含数据集近700张图片8000多个目标+训练好的模型)
weixin_63520812的博客
10-06 3293
前段时间跟朋友一起整理了一个汽车目标的数据集，主要包括UA-DETRAC车辆检测数据集和自定义数据集。
怎么在Linux中用tmux跑深度学习模型
zag666的博客
07-24 1403
当我们SSH 登录远程服务器，打开一个远程窗口执行命令，网络中断再次登录的时候，是找不回上一次执行的命令的。因为上一次 SSH 会话已经终止了，里面的进程也随之消失了。最常见的就是使用vscode连接远程服务器跑的深度学习任务，自己的电脑中途断网了再次登录找不到上一次执行的命令。 为了解决这个问题，即将会话与窗口"解绑"：窗口关闭时，会话并不终止，而是继续运行，等到以后需要的时候，再让会话"绑定"其他窗口。这时就需要用到**Tmux**这个会话与窗口的"解绑"工具，将它们彻底分离。
如何实现Linux上不间断训练模型
wangmengmeng99的博客
01-14 417
使用如下命令 nohup python train.py & >>LOG.TXT 【nohup】 用nohup运行命令可以使命令永久的执行下去，和用户终端没有关系，例如我们断开SSH连接都不会影响他的运行。 【&】 而nohup没有后台运行的作用，&才是后台运行，&是指在后台运行，但当用户退出(挂起)的时候，命令自动也跟着退出。 使用nohup 运行脚本 & 命令行，这样就能使命令永久的在后台执行 【其它命令行】 查看运行的后...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值