手写数字识别环境安装(pytorch)（window10）

已于 2022-11-15 22:00:20 修改
阅读量677 收藏
点赞数
文章标签： pytorch python 深度学习
于 2022-10-09 18:57:51 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/qq_51955445/article/details/127232006
版权
本文介绍如何使用Anaconda安装PyTorch，并确保其能够利用GPU加速。文章提供了检查CUDA版本的方法，指导读者正确选择与本机CUDA版本相匹配的PyTorch版本。此外，还介绍了如何通过Anaconda安装OpenCV。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Anaconda

TODO

Pytorch

  1. 必须使用conda install 进行安装

  2. 在cmd中nvidia-smi查看本机CUDA版本
    在这里插入图片描述

  3. 在官网复制下载命令，选取的CUDA版本不能高于本机CUDA版本
    在这里插入图片描述

  4. 安装后，输入以下代码测试

# 查看是否能用torch
import torch
# 查看torch是否能用显卡
torch.cuda.is_available()

在这里插入图片描述

Opencv

使用conda下载时去官网获取下载命令
在这里插入图片描述
在这里插入图片描述

urlyy_
关注
[Python人工智能] 三十九.VS Code配置Python编程和Keras环境及手写数字识别（基础篇）
杨秀璋的专栏
01-25 3553
从本专栏开始，作者正式研究Python深度学习、神经网络及人工智能相关知识。前一篇文章利用Keras构建无监督学习Autoencoder模型并实现聚类分析。这篇文章将介绍基础知识，因为很多读者咨询我如何用VS Code配置Keras深度学习环境，并对比常用的深度学习框架，最后普及手写数字识别案例。基础性文章，希望对您有所帮助！
Tensorflow快速入门2--实现手写数字识别
2010yhh
01-16 1万+
Tensorflow快速入门2–实现手写数字识别 环境： 虚拟机ubuntun16.0.4 Tensorflow 版本：0.12.0(仅使用cpu下)Tensorflow安装见： http://blog.csdn.net/yhhyhhyhhyhh/article/details/54429034 或者： http://www.tensorfly.cn/tfdoc/get_started
pc手写识别_如何在Windows 10 PC上改善手写识别
culul01313的博客
09-12 766
pc手写识别Windows 10 lets youuse handwriting input in any application,and manyapplicationsinclude full support for inking. Windows automatically attempts to learn your unique handwriting style when yo...
【Win 10 应用开发】手写识别
weixin_34168700的博客
08-26 504
记得前面（忘了是哪天写的，反正是前些天，请用力点击这里观看）老周讲了一个14393新增的控件，可以很轻松地结合InkCanvas来完成涂鸦。其实，InkCanvas除了涂鸦外，另一个大用途是墨迹识别，就是手写识别。 识别功能早在Win 8 App的API中就有了，到了UWP，同样使用，这叫传承，一路学过来，都是一个体系的，我不明白为什么某些人一遇到升级就说SDK变化太大，适应不了。我是不明白了，...
MNIST手写数字识别之一：环境安装配置
高恩阳的博客
02-07 654
cuda和cudnn、anaconda和pytorch、pycharm都要搞好。
TensorFlow学习笔记（二）手写体数字的识别——环境安装
Robits的博客
12-13 1028
手写体数字的识别 [^1] [^1] :博主的电脑是Windows10系统， cpu是i7 -8750H。 建立 TensorFlow 的 Anaconda 虚拟环境 1. 建立工作目录 在命令提示符窗口输入下列命令： cd pythonwork 执行后屏幕显示界面如图： 2. 建立 Anaconda 虚拟环境 conda create --name tensorflow python = 3...
深度学习环境入门之手写数字识别
PRML_MAN的博客
10-19 1785
在自己的windows环境下配置好了深度学习的环境，本文主要记录一下用深度学习的环境下实现一个简单的手写数字识别的模型训练和使用。 1、
基于 pyqt+ PyTorch的手写英文字母识别
最新发布
laoman456的博客
03-17 964
本项目旨在实现一个完整的手写英文字母识别系统，从数据准备、模型训练到前端界面的推断过程。该项目可作为毕业设计或学习项目的基础范例，后续可扩展至更大规模数据集、更复杂的网络结构，以及更多字符（如大小写、数字、标点符号等）的识别。
基于Pytorch的卷积神经网络MNIST手写数字识别源码+部署教程文档+全部数据+训练好的模型（高分项目）.zip
04-22
基于Pytorch的卷积神经网络MNIST手写数字识别源码+部署教程文档+全部数据+训练好的模型（高分项目）.zip基于Pytorch的卷积神经网络MNIST手写数字识别源码+部署教程文档+全部数据+训练好的模型（高分项目）.zip基于...
基于Pytorch卷积神经网络的中文手写汉字识别，使用HWDB数据库源码+部署教程文档+全部数据+训练好的模型（高分项目
04-22
基于Pytorch卷积神经网络的中文手写汉字识别，使用HWDB数据库源码+部署教程文档+全部数据+训练好的模型（高分项目基于Pytorch卷积神经网络的中文手写汉字识别，使用HWDB数据库源码+部署教程文档+全部数据+训练好的...
基于Tensorflow，以MINST为数据集训练手写数字识别模型，并调用打开摄像头的API，对拍摄图片中一个或多个数字进行识别
03-30
在本项目中，我们将探讨如何使用TensorFlow框架构建一个手写数字识别模型，该模型以MNIST数据集为训练基础，并能通过调用摄像头API实时识别图像中的数字。MNIST数据集是机器学习领域的经典入门数据，包含了0到9的...
基于卷积神经网络的mnist手写数字识别源码+部署教程文档+全部数据+训练好的模型（高分项目）.zip
04-22
基于卷积神经网络的mnist手写数字识别源码+部署教程文档+全部数据+训练好的模型（高分项目）.zip基于卷积神经网络的mnist手写数字识别源码+部署教程文档+全部数据+训练好的模型（高分项目）.zip基于卷积神经网络的...
基于tensorflow的手写数字识别
weixin_68504870的博客
04-04 500
基于tensorflow的手写数字识别
【机器学习】最经典案例：手写数字识别（完整流程：DNN/CNN结构设计、模型参数保存、断点续训、acc/loss可视化）
weixin_44820505的博客
05-04 4705
使用`TensorFlow`框架，其提供了 `MNIST` 数据集的 `API`，利用tf.keras搭建卷积神经网络架构，进行模型训练、保存、训练结果可视化，实现对手写数字图像进行特征提取和模式识别。
深度学习——从零开始（手写数字识别伪代码以及tensorflow安装要点）
qq_38350792的博客
07-18 1977
1.Python小贴士 import numpy出错时，打开cmd 输入pip install numpy 即可 2.手写数字识别伪代码： import numpy import scipy.special import matplotlib.pyplot as plt import pylab 定义神经网络 定义节点（输入、隐藏、输出） 学习...
纯Python实现手写数字的识别+GUI界面
热门推荐
Shane恆的博客
10-14 1万+
目录 纯Python实现手写数字的识别+GUI界面 安装必要的库 下载mnist数据集 解析图片与标签 导入相关库 将图片28*28矩阵转换为1*784向量 训练所有60000张数字图片并构建分类器 保存模型与加载模型 根据测试图片预测数字 GUI的实现 纯Python实现手写数字的识别+GUI界面 基于python sklearn knn算法，数据集mnist 安装必要...
Python做手写数字识别
qq_17457331的博客
06-13 5856
最近在学neural networks and deeplearning这本书，也跟着做了一下实验，这本书的地址是http://neuralnetworksanddeeplearning.com/chap1.html，当然网络上也有翻译版的，可以下载看。由于刚开始学Python，难免会遇到很多错误，把这些过程记下来，便于自己以后学习和同大家交流。 我用的是Python2.7.13和https:/
FPGA实现mnist手写数字识别（软件部分）
南瑾与春风的博客
11-04 3085
FPGA实现mnist手写数字识别 ① 环境配置 ② 数据集及代码下载 ③ 代码操作 （1）训练模型 （2）权重输出 （3）关于灰度转换
手写体数字识别python 界面
12-29
### 实现带GUI的手写体数字识别 对于创建带有图形用户界面（GUI）的手写体数字识别Python程序，可以采用PyQt5作为开发工具包之一。此框架允许开发者设计直观的用户交互环境[^2]。 #### 所需库 1. **PyQt5**: 用于构建应用程序的图形用户界面部分。 2. **OpenCV**: 处理图像输入并支持预处理操作，如二值化、缩放等。 3. **NumPy**: 提供多维数组对象以及各种派生对象（如掩码数组），是科学计算的基础库。 4. **TensorFlow 或 PyTorch**: 这些深度学习框架可用于加载训练好的模型来进行预测。 5. **scikit-image 或 PIL (Pillow)**: 图像处理辅助功能，比如调整大小或转换颜色空间。 #### 构建过程概述 - 使用`MyLabel`类扩展自定义组件以便于在界面上绘制手写笔迹的同时显示背景图片。 - 设计主窗口布局，包括画布区域让用户书写数字，按钮触发保存当前绘图内容为图像文件，并设置菜单栏选项方便切换模式或者退出应用。 - 当用户完成绘画后点击提交按钮时，系统应当能够捕捉到该时刻的画面快照，并将其转化为适合喂给神经网络的形式——通常是灰度化的固定尺寸正方形位图。 - 接着调用预先准备好的分类器执行推理任务；这一步骤依赖于之前提到的人工智能平台所提供的API接口函数。 - 最终结果显示框内呈现由算法得出的最佳猜测结果及其置信度得分。 ```python import sys from PyQt5.QtWidgets import QApplication, QMainWindow, QLabel, QPushButton, QVBoxLayout, QWidget from PyQt5.QtGui import QPixmap, QPainter, QColor from PyQt5.QtCore import Qt class MyLabel(QLabel): def __init__(self, parent=None): super().__init__(parent) self.setMouseTracking(True) def paintEvent(self, event): painter = QPainter(self) pixmap = QPixmap('background.png') painter.drawPixmap(self.rect(), pixmap) if __name__ == '__main__': app = QApplication(sys.argv) window = QMainWindow() central_widget = QWidget(window) layout = QVBoxLayout(central_widget) canvas_label = MyLabel() # 自定义标签用于展示和获取手写输入 submit_button = QPushButton("Submit", clicked=lambda: process_image(canvas_label)) layout.addWidget(submit_button) window.setCentralWidget(central_widget) window.show() def process_image(label): # 假设这里实现了截图逻辑并将得到的结果传递给后续处理流程... pass sys.exit(app.exec_()) ``` 上述代码片段展示了如何初始化一个简单的PyQt5 GUI 应用程序结构，在其中加入了自定义控件 `MyLabel` 来承载用户的即时创作成果。实际项目里还需要补充更多细节，例如具体的事件监听机制以响应触摸/鼠标动作记录轨迹坐标点集，进而形成连贯线条图案；另外就是关于图像采集后的前处理环节也得精心安排确保符合预期标准再送入AI引擎做最终判断。
评论
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