有问题请在评论区留言。文章通俗易懂是我的风格
- conda search python //查看python版本
- conda create -n skin python=3.6.2 //创建虚拟环境
- conda activate skin //激活虚拟环境
- conda create-n 虚拟环境名字 python=版本-c 镜像地址 //用镜像创建虚拟环境
- 删除虚拟环境:conda remove-n 虚拟环境名字 --all
- pip install opencv-python -i 镜像地址
conda指令和镜像源
- 持久添加通道:conda config --add channels 通道地址
- 删除通道:conda config --remove channels 通道地址
- 如何查看配置文件中有哪些通道?conda config --get 或 conda config --show
pip指令和镜像源
- pip config set global.index-url Simple Index 安装pip镜像源
- pip config get global.index-url 查看pip镜像源
- pip config list 查看pip镜像源
- pip config unset global.index-url 删除pip镜像源
下载conda系列的包的镜像地址:镜像源
1、清华镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
就用上面这个就够
2、北京外国语大学镜像https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
3、阿里巴巴镜像http://mirrors.aliyun.com/anaconda/pkgs/main
下载pytorch系列的包的镜像地址:镜像源
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
一些知识
- 在命令行按向上的箭头自动添加上一条指令
- 在谷歌CUDA -Wikipedia看显卡算力
- nvidia-smi //看英伟达配置
- conda install xxx //用conda安装
- conda create -n yyy
- 官方驱动 | NVIDIA
- 浏览器 ctr+f 搜索
- GPU和CPU的区别
- 在上一步创建的虚拟环境中安装PyTorch(安装PyTorch,需要安装pytorch,torchvision,orchaudio三个包)
- 从官网(https://pytorch.orq/)采用命令行下载
- conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
- 添加pytorch下载的镜像源
- conda install pytorch torchvision torchaudio cudatoolkit=版本-c镜像地址
- 镜像名--镜像地址-pytorch,torchvision, torchaudio
- conda uninstall pytorch torchvision torchaudio
- pip install
- 用迅雷下载,直接pip install 文件地址。就可以安装了
- pip list 没有conda list 全面
- 迅雷下载
- 激活对应的虚拟环境(你安装Pytorch的虚拟环境)condaactivate 虚拟环境名输入conda list,看有没有pytorch或者torch
- 输入python
- 输入 import torch
- 输入 torch.cuda.is available()
- 如果显示True,就说明我们这个PyTorch安装成功了
- torch.cuda.is_available()
- cd 地址
- pip install -r requirements.txt 可以安装所有包
- GPT
- conda install pytorch==旧版本 torchvision==日版本 torchaudio==日版本 -c pytorch【换成镜像通道】
- pip install pytorch==版本 xxxxx(对于>1.0版本
- pip install 下载文件地址(对于<1.0版本)
- https://paperswithcode.com
- 某一个研究方向下,有哪些算法模型可以用?不同算法之间效果对比如何?
- 某一个研究方向下,到底有哪些论文,模型是可以用的?
- 某一个研究方向下,目前效果最好的算法是哪个?
- 某一个研究方向下,有哪些数据集可以选择?从哪儿下载?
- 深度学习算法模型中,有哪些方法?有哪些结构?
- help(dataset)
- dataset??
- pip3 install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
- pip installl tensorboard
- tensorboard --logdir==logs
- tensorboard --logdir==logs --port=6007
- pip uninstall 包名
- 版本对应
- CTRL+c
- conda update -n base -c defaults conda
- conda install conda=24.1.2
- conda list tensorboard
- Conda pycharm python ——包/库——包/库(tensorboard tensorfow的对应/pytorch) cuda10.2
- pip install \conda install 安装的都是最新版
- anaconda、cuda 、pycharm、 python、python的包/库以及python的包/库相互之间的版本有什么对应关系
在数据科学和深度学习领域,Anaconda、CUDA、PyCharm、Python 以及常用的包和库之间有一些常见的对应关系。以下是它们之间一般的匹配关系:
Anaconda:
Anaconda 是一个开源的 Python 发行版,用于数据科学、机器学习和深度学习任务。
Anaconda 包含了许多常用的数据科学和机器学习库,以及用于管理环境和包的工具(如 Conda)。
Anaconda 的版本通常与其中包含的 Python 版本相关联,例如 Anaconda 2021.11 版本可能包含 Python 3.8.12。
CUDA:
CUDA 是由 NVIDIA 提供的用于并行计算的平行计算架构和编程模型。
CUDA 版本通常与 GPU 驱动程序版本相关联,因为每个 CUDA 版本都与特定版本的 NVIDIA 驱动程序兼容。
深度学习框架(如 TensorFlow、PyTorch 等)通常会与特定版本的 CUDA 兼容,以便利用 GPU 加速计算。
PyCharm:
PyCharm 是 JetBrains 开发的一款 Python 集成开发环境(IDE)。
PyCharm 的版本通常与支持的 Python 版本相关联,并且会添加对新版本 Python 的支持。
PyCharm 通常可以与任何 Python 包和库一起使用,而与它们的版本没有明确的关联。
Python:
Python 是一种流行的高级编程语言,用于开发各种类型的应用程序,包括数据科学、Web 开发、自动化脚本等。
Python 的版本通常由其主要版本号和次要版本号组成,例如 Python 3.8。
Python 的不同版本之间可能存在一些语法和功能上的差异,因此在开发和部署应用程序时需要考虑版本兼容性。
Python 包/库:
Python 包和库是用于实现各种功能的模块集合,包括数据科学、机器学习、深度学习、Web 开发等领域。
Python 包和库的版本通常会与 Python 主要版本和次要版本兼容,并且会根据需要进行更新和改进。
深度学习框架(如 TensorFlow、PyTorch)、数据科学库(如 NumPy、Pandas)、机器学习库(如 Scikit-learn)等通常会发布与特定 Python 版本兼容的版本。
总的来说,Anaconda、CUDA、PyCharm、Python 以及相关的包和库之间的版本对应关系可能会因特定的软件需求而有所不同,但通常会遵循上述的一般规律。在选择和安装这些软件时,建议查阅官方文档以获取最新的信息
- conda deactivate
- 安装jupyter 指令 conda install nb_conda 旧python
- 新版本python用conda jupyter 打开就输入jupyter notebook
- conda install --use-local cudatoolkit-9.2-0.tar.bz2 //安装本地conda目录下pkg里面的包
- dir() help()
- pip install opencv-python -i 镜像地址
- Anoconda pycharm 虚拟环境 jupyter pytorch(cuda) opencv-python tensorboard PyCharm 和 Anaconda 是两个不同的工具,它们之间没有直接的版本对应关系
1、import torch
print(torch.__version__)
2、
Successfully installed absl-py-2.1.0 grpcio-1.62.0 markdown-3.5.2 protobuf-4.25.3 six-1.16.0 tensorboard-2.16.2 tensorboard-data-server-0.7.2 werkzeug-3.0.1
3、tensorboard打开的命令行窗口输入绝对地址打开
D:\anaconda3\envs\skin3\Scripts\tensorboard.exe --logdir=E:\A核心期刊\pytorch基础学习\Pytorch基础知识(B站小土堆配套视频自拟)\learn_pytorch\logs
- pip3 --version
- pip show openvino 找某个包的安装路径
- python -c "import openvino; print(openvino.__file__)"
- where python
- 并且你使用的OpenVINO版本与函数参数兼容
- 注意 库/包/python 硬件 编译环境 之间的版本对应关系