1、环境配置
今天的内容是配置环境和跑代码,配置环境我在pycharm里已经做过很多次了,比较熟练,但是这个vscode软件着实没弄明白怎么玩,于是最后还是在pycharm里面跑完了cnn的代码。
在anaconda中新建一个环境,这里就不演示了,包括怎么按照anaconda的方法都在这个链接里,直接抄PPT了
slides/chapter_0-Installation.ipynb · Epsilon Luoo/仅同步_learn-python-the-smart-way-v2 - Gitee.com
我的之前环境配置有点紊乱,后面慢慢学习开始用anaconda来管理整个环境,这样开始我才慢慢有点感觉了,每一个项目使用一个envs,而且可以打包到另一个电脑上使用,这个确实是很好很方便的一件事,也不再怕不同包之间发生冲突。
这里我记录一下我的环境配置方法,希望可以有帮助。
比较关键的是使用pytorch这个包,这个包使用GPU版本的比较麻烦一点(特别是对于两年前的电脑),视频里面都是可以直接在pytorch官网上找到匹配的版本,但是这个对于我来说不行。
在cmd命令行使用如下命令,可以看到CUDA Version:11.4,这意味着我的cuda最多可以安装到11.4及以下。
nvidia-smi
方法一:直接pytorch官网匹配
对于现在的pytorch官网,直接输入一行命令就安装并不现实,于是只能另外找方法来安装了。
方法二:没办法直接在官网上找到合适版本
1、我们先保证电脑是nvidia的独立显卡,然后安装上面找到适合自己的版本,最后在这个网站上找到torch、torchaudio、torchvision
https://download.pytorch.org/whl/cu102
打开torch点击进入,然后Ctrl+f搜索你自己的版本,我是cuda11.4,于是我找到的版本是cu113,这个代表cuda11.3版本,后面的cp310代表你匹配的python版本是python=3.10,找到适配版本后直接点击下载,这里需要提醒的是这个下载很慢,我用手机流量下载大概每秒3M左右。