CV基础-调试环境&Baseline

本文介绍了在PyTorch环境中搭建计算机视觉(CV)基础的步骤,包括创建虚拟环境,安装PyTorch及相关依赖,解决安装过程中遇到的问题。详细讲述了如何处理PIL、torch和torchvision的安装问题,以及建立基线模型的过程,涉及数据集读取、模型构建和训练验证等环节。
摘要由CSDN通过智能技术生成

运行环境及安装

前言

将不定长字符转换为订场字符的识别问题,并使用CNN完成训练和验证:

  1. 赛题数据读取(封装为Pytorch的DataLoder)
  2. 构建CNN模型(使用Pytorch)
  3. 模型训练与验证
  4. 模型结果预测
环境安装

1.现在Anaconda中创建一个专门用于本次练习的虚拟环境。

conda create -n py37_torch131 python=3.7

检查更新当前conda

conda update conda

2.激活环境并安装pytorch1.3.1

#windows:
 activate py37_torch131
#linux mac :
source activate py37_torch131
conda install pytorch=1.3.1 torchvision cudatoolkit = 10.0

3.通过命令一键安装所需其它依赖库

pip install jupyter tqdm opencv-python matplotlib pandas

4.启动notebook

问题及解决方能
  1. 发现步骤3一直不成功,出现一下问题:
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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