深度学习环境搭建

目录

Pytorch环境的安装

PyCharm中配置Pytorch环境

Pytorch环境中安装Jupyter

---

Pytorch环境的安装

1、下载anaconda

Index of / (anaconda.com)

这是我下载的版本：

2、下载之后，在开始菜单选择anaconda prompt

3、创建虚拟环境

4、激活进入虚拟环境

5、安装pytorch

怎么得到上面的这串命令？

输入nvidia-smi，查看cuda的版本号为11.7

我这里选择安装cuda的版本号为11.3，满足向下兼容即可。

在安装深度学习环境时，要满足cuda，pytorch，torchvision，Python它们之间的兼容，具体可见下表，我这里选择的组合用红框标出来了。

 去到pytorch官网，找到相应的命令

6、查看环境下的package

使用conda list命令也可以。

6、验证cuda是否可以使用

显示True就可以了

常见问题：

1、创建虚拟环境时出现failed，参考下面blog

conda创建环境过程中出现“Solving environment: failed”报错的解决办法

我是用了方法二解决了这个问题。

2、安装Pytorch时出现failed

很有可能是版本不兼容，多试试。这个问题比较难，可以参考这篇blog

Anaconda安装及配置（CPU/GPU）pytorch深度学习环境（超详细！！！）

补充：

1、查看环境列表

2、删除之前创建的虚拟环境

3、CUDA，GPU，Pytorch是什么及它们之间的关系

GPU 是一种专门设计用于处理图形和图像的硬件，拥有大量的处理核心，能够并行处理大量的数据。

CUDA 是 NVIDIA 提供的一个并行计算平台和编程模型，使开发者能够利用 NVIDIA GPU 的计算能力来加速应用程序。

PyTorch 是一个开源的深度学习框架，提供了强大的工具和库用于构建和训练神经网络。

CUDA 是使 GPU 能够进行高效并行计算的技术，PyTorch 是一个利用 CUDA 加速深度学习计算的框架。

PyCharm中配置Pytorch环境

1、创建新项目，将Pytorch环境导入 ​​​​​

2、验证cuda是否可以使用

Pytorch环境中安装Jupyter

由于初始情况下，jupyter只存在于base环境中，所以我们如果需要再Pytorch环境下使用Jupyter，那么需要在Pytorch环境下安装Jupyter。

1、使用conda install nb_conda即可安装

2、进入jupyter

3、创建含有Pytorch虚拟环境的notebook

4、验证cuda是否可以使用