将pytorch配置到jupyter里面（个人踩坑向）

于 2024-08-15 22:34:57 发布
阅读量615 收藏 8
点赞数 11
文章标签： pytorch jupyter 人工智能
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/satellite_s/article/details/141232907
版权

一开始跟着大部分博主的创建一块虚拟环境和打开虚拟环境都应该没啥问题
这个就是创建一个python为3.6的环境（你愿意创建啥环境就啥环境，但是3.6比较香，我之前傻不愣登的弄了个3.11（想配套我自己的python）人家说没有，又重新安装），名字叫Pytorch（你愿意叫啥就叫啥，但是后面找到的攻略貌似都叫这个，后面那个语句不知道咋改，这里就叫这个吧先）

conda create -n Pytorch python＝3.6

我之前是安装了python3.11版本，然后安装了ana3.6版本，所以在这里可能因为害怕想重装
但是实际上根本不用担心这个问题，ana里面相当于有很多版本的python本身我前面那个python3.11就不需要下载（当然你下载好了也没事，不用管了）

conda activate Pytorch

这个是从bace环境进入我们创建的名字为pytorch的环境，之前我是没有下载jupyter的，直接ana里面的启动了（下面这个样子）
在这里插入图片描述
所以我们下面的操作类似于我们要在我们创建的pytorch虚拟环境里面下载jupyter的包，才能正确使用
下面粘贴几条我找到的，但磕磕绊绊没怎么适用到我的情况（大家可以借鉴一下）
Pytorch安装教程+jupyter配置Pytorch环境

中间有好多爆红的，其实都不用害怕（知识网络延迟的问题，有的用了清华镜像也不管用）
大家可以输入

pip list

很多帖子讲了这个咋安（如下链接）
在pytorch环境安装jupyter
pytorch部署到jupyter notebook当中使用
pip install ipykernel失败&vscode安装Jupyter失败
ERROR: Exception: Traceback (most recent call last)的解决方法
(详解)安装pytorch(cpu版)，torch和torchvision的详细安装步骤，并在jupyter notebook和pycharm中配置好pytorch
pytorch安装以及在pycharm和jupyter中的配置-CPU详细版
看一看里面到底有没有jedi这个（在jupyter上面，这个东西看其他的帖子貌似就是能够启动jupyter的关键）

在这里插入图片描述

在这里插入图片描述
然后有可能重启ana完了之后依然没有
在这里插入图片描述
我这个是配置好了的，有的可能依然没有除了python3之外的东西
下一步
在这里插入图片描述

conda install ipykernel

我跑这个就是老爆红

python -m ipykernel install --user --name pytorch --display-name "Python (pytorch )"
//自己将pytorch 替换为你的环境

然后跑了一遍这个语句（上面替换环境的这个）再回去刷新一下jupyter就可以了
在这里插入图片描述
我这个就是cpu的，所以下面那个语句是false没毛病（GPU需要配置那个）

感谢下面这个链接的老师，真救了我大命了，我一直自我怀疑是版本不对？国外的链接没法下载，没有对应版本的诸多问题中
jupyter notebook找不到自己创建的环境 无法识别 解决方法

蛔虫在他乡
关注
  • 11
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
动手学深度学习2.1数据操作-笔记&练习（PyTorch）-jupyter源代码
03-25
李沐老师动手学深度学习PyTorch版2.1数据操作-笔记&练习详解-jupyter源代码
动手学深度学习2.4微积分-笔记&练习详解（PyTorch）-Jupyter源代码
04-03
动手学深度学习2.4微积分-笔记&练习详解（PyTorch）-Jupyter源代码
动手学深度学习2.3线性代数-笔记&练习详解（PyTorch）-Jupyter源代码
04-01
动手学深度学习2.3线性代数-笔记&练习详解（PyTorch）-Jupyter源代码
Pytorch_Tutorial:一组有关pytorch功能的Jupyter笔记本和示例
03-22
Pytorch_Tutorial 一组有关pytorch功能的Jupyter笔记本和示例内容 A）路线图1-火炬主要1-基本张量功能.ipynb B）路线图2-火炬主线2-数学Operators.ipynb C）路线图3-火炬主体3-线性代数运算.ipynb D）路线图4-数据1-...
yolo_v3：Pytorch和Jupyter Notebook中的YoloV3
02-04
Pytorch和Jupyter Notebook中的YoloV3 该存储库旨在在Pytorch和Jupyter Notebook中创建YoloV3检测器。 与其他现有的实现相比，我正在尝试采用一种“ oop”方法，后者通过在读取配置文件来迭代地构建体系结构。 该...
win10配置pytorch环境+CUDA安装
SevenBerry的博客
08-12 601
打开每一项，将。
PyTorch FP16模型转换
weixin_67051070的博客
08-15 839
在使用 MNN 进行 INT8 量化推理时，你不需要在预处理阶段将图像转换为 INT8 格式。相反，你应该按照常规的图像预处理步骤，将图像转换为浮点数格式，然后将其输入到量化模型中。MNN 推理引擎会自动处理输入数据的量化。PyTorch：需要手动将输入数据转换为相应的推理格式（如 FP16 或 INT8）。MNN：不需要手动将输入数据转换为 INT8 格式，MNN 推理引擎会自动处理输入数据的量化。你只需按照常规的图像预处理步骤，将图像转换为浮点数格式即可。
PyTorch--残差网络（ResNet）在CIFAR-10数据集进行图像分类
最新发布
wumingzei的博客
08-15 604
定义一个3x3的卷积层。# ...定义残差网络中的残差块，包含两个卷积层和批量归一化层。# ...定义ResNet模型，使用残差块构建多个层。定义交叉熵损失函数和Adam优化器。
pytorch中的归一化函数
ym62033的博客
08-15 99
pytorch中的归一化函数_pytorch归一化-CSDN博客
模型训练坎坷路--逐步提升模型准确率从40%到90%+
m0_56243424的博客
08-15 605
剪枝实验的基准得是一个微调好的准确率保持较高的模型，按照我之前yolov5的经验来看，这还不简单?选模型+合适的数据集，20轮就OK!我计划使用 ResNet-18模型加上Cifar-10数据集，训练轮次100轮，准确度达到95%我就立马停下。可是过程却不大对劲，都20轮了我的准确率还是40%上下窜，一点进步的痕迹都没有，于是，果断按下停止键…from torchvision import models # 引入torchvision.modelstry:def train(
【pytorch学习】transforms与数据集的使用
qq_45059937的博客
08-15 297
新建一个名为test_dataset_transforms.py的文件由运行结果可以知道， 当前图片是PIL类型，现需要将其转为tensor类型，使用torch.ToTensor()展示图片。
pytorch学习（十四）：完整的模型训练套路
weixin_52307528的博客
08-12 319
以简单数据集CIFAR10为例，本次训练以GPU训练为例。讲解一下这三行代码的流程，首先optimizer.zero_grad() 将梯度清零，也就是每一层里的weight的grad里的参数清零，执行loss.backward()以后，grad里存储的就是反向传播的参数，optimizer.step()执行，将grad的值对参数进行更新。当你将代码块放在之下时，PyTorch会自动将该代码块中的所有操作设置为不计算梯度。
PyTorch模型转ONNX的3种方法
新缸中之脑
08-13 742
ONNX（开放神经网络交换）是一种用于表示机器学习模型的开放标准和格式。ONNX 定义了一组通用运算符和一种通用文件格式，用于表示各种框架中的深度学习模型，包括 PyTorch 和 TensorFlow。当将模型导出为 ONNX 格式时，这些运算符用于构建计算图（通常称为中间表示），该图表示数据通过神经网络的流动。重要提示： ONNX 不是运行时 ONNX 只是可以与 ONNX Runtime 等运行时一起使用的表示。你可以在此处找到受支持的加速器列表。
详细介绍Pytorch基于GPU训练的一般套路（device)
hello！
08-14 676
检查 GPU 可用性并选择设备。将模型移动到 GPU。在训练和评估循环中，将数据移动到 GPU。在保存和加载模型时，确保模型参数在 GPU 上。在 PyTorch 中，使用 GPU 进行模型训练可以显著提高训练速度，尤其是在处理大规模数据集和复杂模型时。以下是基于 GPU 训练的一般套路，包括数据准备、模型定义、损失函数和优化器的选择、训练循环、评估和测试，以及模型保存和加载。定义一个神经网络模型，通常继承自，并在__init__方法中定义网络层，在forward方法中定义前向传播过程。
什么是张量
2301_76924624的博客
08-14 870
学习使用pytorc库进行深度学习网络搭建时，张量这个词总是不定时会出现。其实，Pytorch中的所有操作都是在张量的基础上进行的，今天就来了解张量到底是什么由PyTorch官网官网介绍可知，一个Tensor是一个包含单一数据类型的多维矩阵。
动手学深度学习7.3 网络中的网络（NiN）-笔记&练习（PyTorch）
scdifsn的博客
08-12 814
李沐老师《动手学深度学习（PyTorch版）》7.3 网络中的网络（NiN）-笔记&练习详解
PyTorch--卷积神经网络（CNN）模型实现手写数字识别
wumingzei的博客
08-14 897
今天要介绍的这段代码是一个使用PyTorch框架实现的卷积神经网络（CNN）模型，用于对MNIST数据集进行分类的示例。MNIST数据集是手写数字识别领域的一个标准数据集，包含0到9的灰度图像。导入必要的库：导入PyTorch、PyTorch神经网络模块、torchvision（用于处理图像数据集）和transforms（用于图像预处理）。设备配置：设置模型运行的设备，优先使用GPU（如果可用），否则使用CPU。超参数设置：定义了训练迭代的轮数(num_epochs)、类别数()、批次大小(
Learning Multi-dimensional Human Preference for Text-to-Image Generation
kebijuelun的博客
08-13 829
2024 年快手提出的文生图评测方案，提出了多维度偏好评分（MPS），这是首个用于评估文本生成图像模型的多维度偏好评分模型。
利用 Python 的包管理和动态属性获取（`__init__.py` 文件和 `getattr` 函数）特性来实现工厂方法模式
fydw_715的博客
08-15 453
Python 提供了许多灵活的特性，例如包的 __init__.py 文件和 getattr 函数，这些特性可以帮助我们实现工厂方法模式来动态地创建不同类型的数据集实例
已下载利用Anaconda安装和pytorch如何配置jupyter notebook
07-28
您可以按照以下步骤来配置Jupyter Notebook与Anaconda和PyTorch的安装： 1. 首先，确保您已经成功安装了Anaconda和PyTorch。您可以在Anaconda Navigator或者使用conda命令行安装PyTorch。 2. 打开Anaconda Navigator，找到您想要使用的环境。如果您使用默认环境，请选择base (root)。 3. 在所选环境下，点击右侧的“安装”按钮，然后在搜索栏中输入“jupyter notebook”。 4. 在搜索结果中，选择“Jupyter Notebook”并点击“应用”。 5. 等待一段时间，直到安装过程完成。 6. 在Anaconda Navigator中，点击“主页”按钮，然后在所选环境下找到“Jupyter Notebook”并点击启动。 7. Jupyter Notebook会在默认浏览器中打开，并显示文件浏览器。 8. 在右上角，点击“新建”按钮，选择Python 3作为新建的Notebook类型。 现在，您已经成功配置了Jupyter Notebook与Anaconda和PyTorch。您可以在Notebook中编写和运行Python代码。
评论 1
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