1.Anaconda创建新环境
1.安装
最详细的 Windows 下 PyTorch 入门深度学习环境安装与配置 CPU GPU 版 | 土堆教程
这个教程从零开始,能解决大部分问题
坑:安装anaconda时选了all user,导致环境安装在C盘,解决方法如下:
https://blog.csdn.net/QH2107/article/details/126246310
注意最后一步,在查看目标路径的文件夹的权限时,要点到user查看
2.常用指令
1.创建新环境
conda create -n tensorflow python=3.7 //tensorflow可以改成任意环境名
2.删除环境
conda remove -n your_env_name(虚拟环境名称) --all
3.查看虚拟环境列表
conda env list
4.通过复制删除来重命名环境
https://blog.csdn.net/songyuc/article/details/103859747
2.Pycharm中应用新环境
Settings -> Python Interpreter -> Add Interpreter -> Conda Environment -> Interpreter点击选择的3个点
进入Anaconda\envs,找到文件夹,选下面的python.exe即可
3.安装Pytorch和添加镜像
4.pycharm的debug模式下命令行参数的传递
https://blog.csdn.net/sunyan3517/article/details/103297596
1.注意:environment variables的赋值,如果是字符串不需要引号,但是命令行中使用export赋值字符串environment variables需要引号,如
export CO3DV2_DATASET_ROOT="/ex/dataset"
2.如果使用服务器,环境变量指向本地地址会报错,指向服务器地址成功(原因不明)
5.用多张卡训练
# 可见设置,环境变量使得指定设备对CUDA应用可见
os.environ['CUDA_VISIBLE_DEVICES'] = '0,1'
# 选择第一块显卡开始载入数据
device = torch.device("cuda:0")
model.to(device)
# 显卡大于1块时,device_ids选择模型载入数据对应的显卡
if torch.cuda.device_count() > 1:
model = nn.DataParallel(model, device_ids=[0, 1])