配置深度学习环境

1、查看自己电脑支持的最高cuda版本

2、下载anaconda

3、通过anaconda prompt创建虚拟环境,小编python版本为3.9,cuda10.2。为什么要创建虚拟环境呢,是因为我在base环境安装好cuda和cudnn后,安装pytorch总是失败。但是在新建虚拟环境中可以成功安装。

4、安装对应版本的cuda以及下载cudnn。大家可以搜索到各个组件之间版本的对应关系。

5、最后在新建环境中下载pytorch,也要对应版本。小编在最后一步下载pytorch一直不成功,看了视频才解决掉。

!!!安装pytorch命令我从第二个,换为了第一个才最终成功下载pytorch。大家注意区分两种安装命令。找到不同,之后去找到跟第一个命令相同去安装pytorch。

pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu102/torch_stable.html

conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=10.2 -c pytorch

!!!!

小编安装pytorch语句:

pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu102/torch_stable.html

给大家推荐一个教程

Python深度学习:安装Anaconda、PyTorch(GPU版)库与PyCharm_哔哩哔哩_bilibili

大家没必要跟他去自己找torch,torchvision torchaudio的包,先试一下pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu102/torch_stable.html这种类型的语句可不可以,不可以的话可以学一下,小编是直接使用下载命令下载成功了。

为了配置深度学习环境,你可以按照以下步骤进行操作: 1. 安装 CUDA 和 cuDNN:CUDA 是 NVIDIA 的并行计算平台,而 cuDNN 是用于深度神经网络的 GPU 加速库。首先,确保你的显卡支持 CUDA。然后,从 NVIDIA 官方网站下载和安装适合你显卡的 CUDA 版本。接着,从 NVIDIA 开发者网站下载并安装对应 CUDA 版本的 cuDNN。安装过程中可能需要手动配置环境变量。 2. 安装 Python 和 pip:Ubuntu 已经预装了 Python,你可以通过终端检查 Python 版本。然后,安装 pip,它是 Python 的包管理器,用于安装和管理 Python 库和依赖。 3. 创建虚拟环境(可选):虚拟环境可以帮助你隔离不同项目的依赖关系。使用以下命令创建一个新的虚拟环境: ``` python3 -m venv myenv source myenv/bin/activate ``` 4. 安装深度学习库:可以使用 pip 安装常用的深度学习库,如 TensorFlow 或 PyTorch。例如,安装 TensorFlow: ``` pip install tensorflow ``` 5. (可选)安装其他依赖库:根据你的需求,可能需要安装其他库,例如 OpenCV、numpy 等。使用 pip 安装这些库: ``` pip install opencv-python pip install numpy ``` 6. 配置 GPU 支持:在使用深度学习库时,你可能需要配置 GPU 支持。确保你的显卡驱动已正确安装,并且将深度学习配置为使用 GPU。 这些是配置深度学习环境的基本步骤,具体的安装和配置步骤可能因你使用的深度学习库和版本而有所差异。建议查阅相关文档以获取更详细的指导。
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