conda创建虚拟环境 和 用conda创建GPU的cuda、cudnn使用环境

最新推荐文章于 2024-09-11 19:59:54 发布
最新推荐文章于 2024-09-11 19:59:54 发布
阅读量2.5w 收藏 79
点赞数 22
分类专栏： 8—Use(use)软件、包、工具等的安装及使用 文章标签： cuda cudnn conda
版权归个人所有，转载请告知，否则追求法律责任
本文链接：https://blog.csdn.net/weixin_41010198/article/details/84566800
版权

conda创建虚拟环境 和 用conda创建GPU的cuda、cudnn使用环境

1 conda在linux、windows上创建虚拟环境

1.1 首先在所在系统中安装Anaconda。

可以打开命令行输入conda -V检验是否安装以及当前conda的版本。

1.2 conda常用的命令。

1）conda list 查看安装了哪些包。
2）conda env list 或 conda info -e 查看当前存在哪些虚拟环境
3）conda update conda 检查更新当前conda

1.3 创建python虚拟环境。

使用 conda create -n your_env_name python=X.X（2.7、3.6等)
命令创建python版本为X.X、名字为your_env_name的虚拟环境。
your_env_name文件可以在Anaconda安装目录envs文件下找到。

1.4 使用激活(或切换不同python版本)的虚拟环境。

打开命令行输入python --version可以检查当前python的版本。

激活虚拟环境：
使用如下命令即可 激活你的虚拟环境(即将python的版本改变)。

Linux: source activate your_env_name(虚拟环境名称)

Windows: activate your_env_name(虚拟环境名称)

使用python --version 或 python -V可以检查当前python版本是否为想要的。
也可以用pip -V 查看当前python的版本和python安装包的路径，如下：
在这里插入图片描述

1.5 对虚拟环境中安装额外的包。

使用命令conda install -n your_env_name [package]即可安装package到your_env_name中

1.6 关闭虚拟环境(即从当前环境退出返回使用PATH环境中的默认python版本)。

使用如下命令即可。

Linux: source deactivate

Windows: deactivate

1.7 删除虚拟环境。

使用命令conda remove -n your_env_name(虚拟环境名称) --all， 即可删除。

更过和移除命令相关参数可以通过：conda remove -h 查看
在这里插入图片描述

1.8 删除环境中的某个包。

使用命令conda remove --name your_env_name package_name 即可。

2 用conda创建cuda和cudnn

  1. cd到安装包所在目录，安装：bash Anaconda3-5.1.0-Linux-x86_64.sh

  2. 创建虚拟环境：conda create -n your_env_name python=3.6

  3. 激活虚拟环境：source activate your_env_name

  4. 添加conda国内镜像：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

  1. 安装cuda和cudnn

安装cuda:conda install cudatoolkit=8.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/

安装cudnn:conda install cudnn=7.0.5 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

cuda&cudnn

安装的cuda和cudnn在虚拟环境中的位置

注：

安装conda完成后，输入conda list,若出现未找到命令，则需修改环境变量：export PATH=~/anaconda3/bin:$PATH（此法每次开机后都要修改，也可修改配置文件永久生效）

每个不同镜像网站里面包含各种不同的下载包，可根据自己的需求打开查找对应的安装包，
如cudatoolkit 8.0.3 在https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/内，
则安装命令如：conda install cudatoolkit=8.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/ 即可。

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠

点亮～黑夜
关注
专栏目录
Python&aconda系列：conda创建虚拟环境、切换环境 报错
weixin_54626591的博客
12-19 1万+
conda创建虚拟环境、切换环境 报错
conda cudnn版本升级_Ubuntu 18.04 下 cuda + cudnn 安装和 conda 深度学习环境配置
weixin_39773215的博客
12-23 860
1. NVIDIA 显卡驱动安装1、首先设置 bios 禁用 secure boot 将其设置为 disable，一般是在开机尚未进入系统时按 F2 或者 F12 等等进入 bios，具体哪个按键看机器具体的情况。2、如果之前安装过 NVIDIA 的驱动，卸载之前安装的显卡驱动：$ sudo apt-get purge nvidia*3、配置系统，禁用掉默认安装的 nouveau 开源驱动：$ s...
配置Cuda及Cudnn，在Anaconda创建虚拟环境，安装GPU版Pytorch，并在Jupyter noterbook及Pycharm中调用【极其详细】
Luan__Yu的博客
03-07 7073
配置Cuda及Cudnn，并在Anaconda创建虚拟环境，安装GPU版Pytorch，并在Jupyter noterbook及Pycharm中调用【极其详细】
conda下安装cuda和cudnn实现多版本cuda
weixin_58577392的博客
05-19 1743
1.conda创建新环境：(一般python都是3.6，3.7，pycharm好像不支持3.5了) conda create -n xxxxx python=3.7 2. 进入环境： conda activate xxxx 3.安装cuda：（这里面叫cudacoolkit） conda install cudatoolkit=10.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/ 后面放的是清华镜像源
深度学习创建虚拟环境详细流程
最新发布
qq_68212307的博客
09-11 1112
深度学习安装虚拟环境详细流程
深度学习环境配置——conda虚拟环境安装CUDA和CUDNN
tyyhmtyyhm的博客
03-20 1万+
人生来就不是为了被打败的，人能够被毁灭，但是不能够被打败。—— 海明威《老人与海》
【DL笔记】Conda虚拟环境下安装cuda cudnn+PaddlePaddle安装+PaddleDetection
Hansdas的博客
03-04 1350
主要想用下PaddleDetection，然后碰到了一堆问题，大部分最后发现都是环境没装好造成的，所以再这里记录一下：版本一定要装对！版本一定要装对！版本一定要装对！版本一定要装对！版本一定要装对！
conda虚拟环境创建、安装cuda cudnn
lzkzls的博客
12-16 1306
1、conda create -n name python=3.8.5 2、conda activate name 3、查看当前虚拟环境支持的cuda和cudnn版本，选择两者相匹配的版本进行安装： conda search cudatoolkit conda search cudnn conda install cudatoolkit=XXXX cudnn=XXXX ...
使用conda配置CUDA环境
weixin_44799144的博客
03-01 1万+
在使用各种框架，例如Pytorch、MxNet、TensorFlow等的GPU版本时，直接去官网下载CUDA和cudnn实在是太麻烦，后期还得安装配置。其实，我们可以直接使用conda轻松一键下载配置CUDA环境！ 首先我们需要下载Anaconda或者Miniconda。个人更加推荐Miniconda，因为非常轻便，没有太多冗余的库包，只有必要的依赖项。 下载好Miniconda或者Anaconda之后，我们首先需要检查一下自己的电脑支持哪个版本的CUDA。单击鼠标右键，选择NVIDIA控制面板。然后先后点
conda安装cuda10.1+cudnn7.6.5，conda安装深度学习gpu环境
09-28
在本教程中，我们将聚焦于如何通过conda环境管理器来安装CUDA 10.1和CUDNN 7.6.5，并创建一个适合PyTorch的GPU环境。 首先，确保你有一台装有NVIDIA显卡且驱动程序已更新到兼容CUDA 10.1的计算机。你可以从NVIDIA...
python创建虚拟环境失败_？conda创建虚拟环境失败，如何解决？
weixin_40003780的博客
12-11 3185
错误代码conda create -n pytorch-gpu-envSolving environment: done# >>>>>>>>>>>>>>>>>>>>>> ERROR REPORT <<<<<<<<<...
conda创建虚拟环境，搭建theano+CUDA+CUDNN
Yunshang12345的博客
04-09 696
跟普通安装一样搭建cuda+cudnn且配置 .theanorc(参见上一篇博客) 使用 conda create -n your_env_name python=X.X（2.7、3.6等)命令创建python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。 conda create -n theano ...
conda虚拟环境中安装cuda和cudnn
知识搬运者
08-24 2348
找到自己想要的cuda版本后，先把cuda下载到本地。首先使用conda activate name命令把conda环境激活到目标环境。首先安装与cuda相匹配的pytorch和torchvision包，可以去。执行如下命令进行安装，因为是通过本地安装的，所以需要写明本地包的路径。执行后的结果如图所示，图中标出了cudnn所对应的cuda版本号位置。附：直接使用conda install安装。复制你想要版本的cudnn的下载地址，使用。
Anaconda虚拟环境中安装cudatoolkit和cudnn包并配置tensorflow-gpu
2301_80501457的博客
06-07 8932
Anaconda虚拟环境中安装cudatoolkit和cudnn包并配置tensorflow-gpu
使用Anaconda 创建指定cuda 版本的虚拟环境
热门推荐
matrix273的博客
12-14 2万+
目的:解决多cuda版本共存问题. 需要了解Tensorflow 与cuda,cudnn版本的对应关系 参考网址: https://tensorflow.google.cn/install/source 首先修改anaconda 为清华源 参考网址: https://mirror.tuna.tsinghua.edu.cn/help/anaconda/ 创建一个虚拟环境 conda ...
cuda环境配置（anaconda虚拟环境版，含pytorch-gpu安装）
weixin_46446479的博客
05-18 8457
深度学习cuda环境配置
Anaconda虚拟环境+CUDA+Cudnn安装笔记
没有简介
08-01 3432
1. CUDA版 PyTorch2. cudatoolkit-xxxxx.conda 本地包3. cudnn-xxx.donda 本地包（非必要，结合项目需求安装，不确定的可以先不装）
Anaconda搭建深度学习虚拟环境：cuda+cudnn+pytorch+torchvision（并验证）
m0_46718221的博客
03-11 4386
小白一看就会，容易上手，在Anaconda中搭建全套的深度学习虚拟环境：cuda+cudnn+pytorch+torchvision，并包含各类包是否安装成功的验证结果。
超详细YOLOv8虚拟环境搭建（cuda+pyside6+pytorch+ultralytics库）
东东不熬夜的博客
01-29 1万+
博主在第一次搭建yolov8虚拟环境的时候，也在网上查看了很多教程，可是有很多教程都不能很好的解决博主的问题，博主在尝试了很多方法和查阅资料后，终于将环境搭建成功并能成功跑通代码，于是博主于是博主就写了这篇文章，希望能给同样处在小白的小伙伴们带来帮助。
conda虚拟环境安装CUDA和CUDNN
09-09
conda是一个流行的Python包管理工具，它允许你在项目中创建独立的软件环境，以便管理和隔离不同的依赖项。如果你想在Conda环境中安装CUDA（Compute Unified Device Architecture）和CUDNN（CUDA Deep Neural Network Library），这是一个针对GPU加速深度学习的库，你可以按照以下步骤操作： 1. **创建新环境**: 首先，你需要激活一个现有的或创建一个新的Conda环境。例如，如果你想要创建一个名为`cuda_env`的新环境，运行： ``` conda create -n cuda_env python=3.8 # 指定Python版本，其他版本替换相应数值 conda activate cuda_env ``` 2. **安装CUDA**: CUDA通常需要从NVIDIA官网下载对应系统的安装文件，然后通过命令行（如`bash`或`powershell`）手动安装。由于这是特定于平台的操作，你可以在官方文档中找到适合你系统的安装指南。安装完成后，添加CUDA路径到系统环境变量。 3. **安装CuDNN**: CuDNN同样需要单独下载并安装。首先在NVIDIA Developer网站上获取CuDNN，然后解压。接着，在Conda环境中安装，可以使用`conda install cudnn`，但是这取决于CuDNN是否提供conda包。如果没有，你可能需要将头文件和库手动链接到你的环境。 4. **验证安装**: 安装完成后，你可以使用`nvcc --version`检查CUDA编译器，`python -c "import torch; print(torch.cuda.is_available())"`测试是否能导入Cuda模块，并确认Cudnn是否可用。
评论 8
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