基于PyTorch深度学习实战入门系列-(1)环境配置

Pytorch环境安装配置2024最新版

  1. 下载安装Anaconda

    Anaconda下载网址:Free Download | Anaconda

  2. 创建虚拟环境

    打开Anaconda Prompt

    在这里插入图片描述

    # conda create -n 环境名 [需要的库]
    # 例子:
    conda create -n pytorchpy39 python=3.9
    

    在这里插入图片描述

    安装过程中需要确认输入 y 回车既可

    激活环境:

    activate pytorchpy39
    

    前缀从base变成自己新建环境的名字就对了

    在这里插入图片描述

  3. 查看电脑CUDA版本如果不需要显卡训练可以跳过这步

    桌面右键选择NVIDIA控制面板

    在这里插入图片描述

    帮助中选择系统信息

    在这里插入图片描述

    选择组件就可以看见CUDA版本了

    在这里插入图片描述

  4. 查看自己电脑安装pytorch的命令

    Pytorch官网:PyTorch

    进入后找到这一部分:

    在这里插入图片描述

    这里按照上一步的CUDA版本选择:

    PyTorch Build:我们就选择稳定版

    Your OS:以Windows为例

    Package:推荐使用Pip安装

    Language:默认Python就可以

    Compute Platform:如果选择CUDA版本需要比自己的电脑CUDA版本低就可以

    如果不需要跑显卡,那么Compute Platform选择CPU

    然后复制Run this command这部分的命令

    在这里插入图片描述

    如果想要安装以前的版本,点击Previous version of PyTorch,然后可以根据自己需要选择安装命令

    在这里插入图片描述

    把从官网复制的安装命令输入到Anaconda prompt

    在这里插入图片描述

    回车等待安装既可

  5. 然后我们需要安装一下几个的库

    确保先安装了numpy scipy pandas matplotlib再安装scikit-learn

    pip install numpy scipy pandas matplotlib
    pip install -U scikit-learn
    

    安装一下Jupyter

    pip install jupyter
    pip install ipykernel
    # pytorchpy39是你自己的环境名称
    python -m ipykernel install --name pytorchpy39
    
  6. 把环境配置到PyCharm中

    我们选择New Project

    在这里插入图片描述

    然后根据需要创建项目:

    Location选择项目存放的路径

    Interpreter:选择解释器路径

    选好后Create创建!

    在这里插入图片描述

  7. 测试一下:

    右键新建一个jupyter

    在这里插入图片描述

    上面可以选择kernel

    然后输入以下代码

    输出对应版本号即为安装成功

    import torch
    print(torch.__version__)
    

    在这里插入图片描述

    如果不喜欢用Jupyter也可以新建py文件

    run一下结果一样的

    在这里插入图片描述

  • 25
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: 《PyTorch生物医学视觉深度学习入门实战--豪华版》是一本针对生物医学领域的深度学习入门教材。它涵盖了PyTorch框架下的生物医学图像处理、分割、分类、检测等任务,并提供了相关实战案例。 这本书首先介绍了生物医学视觉深度学习的基础知识,包括卷积神经网络、深度学习模型的优化和训练等。接着,书中详细解释了PyTorch框架的基本用法和相关工具,帮助读者在实践中理解和应用深度学习算法。 在实战部分,本书结合生物医学图像处理的具体问题,介绍了数据预处理、模型构建和训练、结果评估等关键步骤。读者可以通过实例学习使用PyTorch框架处理生物医学图像,如医学图像的分割、肿瘤检测和分类等任务,并了解如何应对不同情况下的挑战。 此外,书中还介绍了一些扩展内容,如生成对抗网络(GAN)在生物医学领域的应用、迁移学习等,以帮助读者深入理解和拓展知识。 综上所述,《PyTorch生物医学视觉深度学习入门实战--豪华版》是一本全面介绍生物医学图像处理深度学习的教材,适合对生物医学领域感兴趣的学习者,通过学习本书的内容可以提高在生物医学图像处理方面的能力和应用水平。 ### 回答2: 《PyTorch生物医学视觉深度学习入门实战--豪华版》是一本针对深度学习在生物医学视觉领域应用的学习和实践指南。 深度学习在生物医学视觉中具有重要的应用价值,例如通过图像识别和分割等技术来辅助医生进行疾病诊断和治疗。而PyTorch作为一种强大的深度学习框架,为进行生物医学视觉深度学习提供了方便和高效的工具。 《PyTorch生物医学视觉深度学习入门实战--豪华版》从初级到高级提供了全面而系统的学习内容。书中首先介绍了深度学习的基础知识和常用算法,以及PyTorch的基本使用方法。然后,详细探讨了如何在生物医学视觉领域中应用深度学习,包括图像分割、图像分类、目标检测等任务的具体方法和实践。 此外,《PyTorch生物医学视觉深度学习入门实战--豪华版》还提供了大量的实际案例和代码示例,读者可以通过实践来巩固所学知识。书中也讨论了一些生物医学数据集的特点和处理方法,以及常用性能评估指标的使用。 总的来说,《PyTorch生物医学视觉深度学习入门实战--豪华版》旨在帮助读者快速入门和应用深度学习技术解决生物医学视觉问题。无论是初学者还是有一定基础的研究人员都可以从中获得深入的学习和实践经验,从而在生物医学领域取得更好的成果。 ### 回答3: 《PyTorch生物医学视觉深度学习入门实战--豪华版》是一本关于使用PyTorch进行生物医学图像处理和深度学习的书籍。本书旨在帮助读者从零开始了解如何使用PyTorch来处理生物医学图像,并深入学习深度学习算法在生物医学图像分析中的应用。 该书首先介绍了PyTorch这一热门的深度学习框架的基本概念和使用方法,包括Tensor、模型构建、前向传播、反向传播等。然后,书中讲解了生物医学图像处理的基础知识,如图像预处理、增强和分割等技术。 在掌握了基础知识之后,读者将逐步学习应用深度学习算法处理生物医学图像的方法。书中以一系列实战项目为例,涵盖了多个生物医学图像处理任务,如肺部结节检测、乳腺癌识别、皮肤病分类等。每个项目都介绍了该任务的背景和重要性,然后详细讲解了使用PyTorch实现的具体步骤。 此外,该书还特别强调了实践的重要性。每个实战项目都包括了详细的代码示例和完整的代码实现,读者可以根据书中的指导逐步实现项目,并通过实践加深对深度学习和生物医学图像处理的理解。 总之,《PyTorch生物医学视觉深度学习入门实战--豪华版》是一本全面介绍如何使用PyTorch进行生物医学图像处理和深度学习的书籍。它可以帮助读者从零开始学习并掌握相关知识和技能,并通过实际项目的实战经验,进一步提升自己在生物医学视觉深度学习领域的能力。

“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

打赏作者

神奇的布欧

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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