深度学习电脑环境配置

前几天新买的一台电脑,加显示器和其它配件,共计2.7万元多。

一、硬件及系统基本信息(在dos命令中运行dxdiag查看)

系统型号(主板型号):XPS 8930

BIOS:1.0.10

处理器:Intel(R)Core(TM) i7-8700 CPU @3.7GHz(12 CPUs),~3.7GHz

内存:32768MB RAM

DirectX 版本:DirectX 12

操作系统:win10 专业版 64位

GPU:TITAN Xp,显示内存12145MB

二、安装过程 (联网的情况下)

1.首先安装了python 3.6 以及其它模块

网站https://www.python.org/ 进行了下载,而后安装。(安装过程中会提示是否加入环境变量)安装完毕后,打开CMD(最好以管理员身份运行),输入python可验证是否安装成功。(退出可输入quit()或者ctrl + z)

在命令行下,可输入pip list 查看已安装的模块,这时系统提示pip升级,进行了升级,由10.0 升级到 18.0

依次运行pip install numpy、pip install pandas、pip install matplotlib、pip install sklearn、pip install opencv-python

均安装成功,试图安装PIL,

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
配置深度学习环境需要注意以下几步: 1. 安装 GPU 驱动:如果你的电脑有 NVIDIA 显卡,需要先安装驱动。可以通过 `ubuntu-drivers devices` 命令来查看建议使用的驱动版本,然后使用 `sudo apt-get install nvidia-driver-<version>` 进行安装。 2. 安装 CUDA:CUDA 是 NVIDIA 提供的并行计算平台和编程模型,用于加速深度学习计算。可以通过官网下载对应版本的 CUDA 安装包,然后按照官方文档进行安装。 3. 安装 cuDNN:cuDNN 是 NVIDIA 提供的深度神经网络加速库,可以进一步优化深度学习计算。可以通过官网下载对应版本的 cuDNN 安装包,然后按照官方文档进行安装。 4. 安装 Anaconda:Anaconda 是一个数据科学环境管理器,可以方便地安装和管理不同的 Python 环境和包。可以通过官网下载对应版本的 Anaconda 安装包,然后按照官方文档进行安装。 5. 创建虚拟环境:可以使用 Anaconda 创建一个新的 Python 环境,以避免与系统 Python 环境冲突。可以使用命令 `conda create --name env-name python=3.7` 来创建一个名为 env-name 的 Python 3.7 环境。 6. 安装深度学习框架:可以使用 conda 或 pip 安装常用的深度学习框架,如 TensorFlow、PyTorch、Keras 等。例如,可以使用命令 `conda install tensorflow-gpu` 安装 TensorFlow GPU 版本。 7. 安装其他依赖:在使用深度学习框架时,可能需要安装其他依赖,如 CUDA Toolkit、cuDNN、numpy、scipy 等。可以使用 conda 或 pip 安装这些依赖。 以上是在 Ubuntu 上配置深度学习环境的一般步骤,具体操作还需要根据自己的需求和实际情况进行调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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