深度学习笔记：安装并使用pytorch的准备工作

已于 2022-10-10 16:50:42 修改
阅读量255 收藏
点赞数
文章标签： 深度学习 pytorch python
于 2022-10-10 16:38:29 首次发布
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/weixin_45617528/article/details/127246700
版权

查看电脑显卡

1.右击此电脑–设备管理器–显示设备器
在这里插入图片描述

查看电脑驱动信息

打开cmd
依次输入以下代码，就可以看到显卡驱动的信息了。如图

cd C:\Program Files\NVIDIA Corporation\NVSMI

nvidia-smi

在这里插入图片描述
如上图所示，当前驱动显卡版本为391.25
输入nvidia-smi -L命令查看显卡型号：
在这里插入图片描述

查询显卡驱动与CUDA对应表

驱动与CUDA对应表
在这里插入图片描述
根据这个表中的对应关系安装，当没有版本对应的cuda时可去NVIDIA官网寻找对应显卡型号的驱动，进行驱动更新，如下图所示，搜索下载即可
在这里插入图片描述
安装完成后，查看当前显卡版本，可以看到，显卡已经成功更新为517.48版本：
在这里插入图片描述之后就可以开始下载需要的cuda了

【深度学习】安装pytorch
ZHANGHUIHUIA的博客
11-12 246
1、官网：https://pytorch.org/ 2、cmd中运行： 注意：直接复制Run this Command 里面的安装代码 注意：把pip3的3删除 第一步： pip install -i https://pypi.tuna.tsinghua.edu.cn/simple http://download.pytorch.org/whl/cu80/torch-0.4.1-cp36-cp3...
深度学习之pytorch安装(一)
congcong0509的博客
11-16 770
安装pytorch模块(一)
Pytorch深度学习笔记（二）Pytorch的安装
qq_45981086的博客
04-12 681
Pytorch分两个版本：GPU版本和CPU版本。
2024.10最新：CUDA安装，pytorch库安装
纸上得来终觉浅
09-16 3090
2024.10最新：CUDA安装，pytorch安装
【深度强化学习】深度学习：Pytorch的使用
B417科研笔记
06-22 4644
文章目录前言第三章 深度学习：Pytorch的使用Pytorch库基础Tensor 张量标量张量张量的操作张量 与 梯度Pytorch 的神经网络包：torch.nn自定义网络层损失函数与优化器损失函数优化器通过Tensorboard监控网络训练 前言 重读《Deep Reinforcemnet Learning Hands-on》， 常读常新， 极其深入浅出的一本深度强化学习教程。 本文的唯一贡献是对其进行了翻译和提炼， 加一点自己的理解组织成一篇中文笔记。 原英文书下载地址: 传送门 原代码地址： 传送
PyTorch学习笔记（一）：PyTorch环境安装
热门推荐
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
03-14 1万+
本章详细介绍Pytorch安装教学，具体可参考：windows10下CUDA11.1、cuDNN8.0、tensorflow-gpu2.4.1安装教程以及问题解决方法_Win10中CUDA、cuDNN的安装与卸载 Pytorch详细安装-强推！
李沐 【动手学深度学习】课程学习笔记：使用pycharm编程，基于pytorch框架实现。.zip
05-09
【标题】：“李沐 【动手学深度学习】课程学习笔记：使用pycharm编程，基于pytorch框架实现。”这个标题揭示了本次学习的主题是深度学习，具体涵盖了通过实践操作的方式进行学习，使用的编程环境是PyCharm，而实现...
深度学习实践：李沐老师的Pytorch代码笔记
通过这些知识点的学习，学生可以获得从基础知识到高级应用的全面深度学习训练，掌握使用PyTorch框架进行深度学习模型开发的能力，并能够解决实际问题。资源提供的代码笔记和数据文件为学习者提供了宝贵的实践机会，...
使用PyTorch进行深度学习：“使用PyTorch进行深度学习：零到GAN”
02-12
使用PyTorch进行深度学习 “使用PyTorch进行深度学习：零到GAN”。 本课程由机器学习的项目管理和协作平台Jovian.ml教授。 教学大纲 该课程分为6个模块，将通过视频讲座和交互式Jupyter笔记本电脑进行为期6周的教学...
笔记：动手学深度学习pytorch（卷积神经网络基础；leNet；卷积神经网络进阶）
01-06
– 卷积神经网络基础 – 卷积层 – 1×\boldsymbol\times× 1 卷积层 形状为1×11 \times 11×1的卷积核，我们通常称这样的卷积运算为1×11 \times 11×1卷积，称包含这种卷积核的卷积层为1×11 \times 11×1卷积层...
深度学习之PyTorch安装
12-22
深度学习之PyTorch安装Step1：打开pytorch官网简单介绍一下如何查看自己的电脑是否支持CUDA1、首先打开NVIDIA控制面板2、点击帮助->系统信息->组件step2 安装pytorch(使用PIP安装是可以加速的哦)step3 检查PyTorch是否安装成功 Step1：打开pytorch官网 进入pytorch官网，向下拉，可以看到如下界面 此时完全是默认的选项，第一个选择版本，建议选择稳定版。 第二个是自己的操作系统，我的是windows系统。 第三个是安装的来源，喜欢那个就选哪个，此处我们用默认的conda，你也可以选择pip 第四个是语言，默认是python 第五个
如何解决RNN在处理深层序列数据时遇到的如梯度消失、长期以来等问题
m0_73640344的博客
11-06 441
这些技术各自以不同的方式解决了RNN在处理深层序列数据时遇到的关键问题，如梯度消失和长期依赖。选择哪种技术取决于特定任务的需求，包括模型的复杂性、训练时间和性能要求。通过适当选择和配置这些改进的RNN架构，可以显著提高序列数据处理任务的效果和效率。
sdnet
yyfhq的博客
11-04 403
########################## 空间注意力机制 ###########################running_loss += loss.item() # 累加损失以计算平均损失。# 实例化学习率调度器 #diff 添加学习率调度器。# 使用 kaiming_normal_ 进行初始化。# 实例化学习率调度器 #diff 添加学习率调度器。# 注册钩子 #diff 注册前向钩子以提取特征图。# 实例化模型、损失函数和优化器。# 重新实例化模型以确保权重是新的。
《Keras3 深度学习初探：开启Keras3 深度学习之旅》
zheng_ruiguo的专栏
11-01 904
Keras3 以其易于使用、模块化和高度可扩展性等特点，为深度学习开发者提供了强大而灵活的工具。无论是新手还是经验丰富的专家，都能在 Keras3 中找到适合自己的开发方式，实现创新和突破。Keras3 作为一个强大的深度学习框架，具有巨大的发展潜力。在未来，它将继续为深度学习开发者提供强大的工具，推动深度学习技术的不断发展和应用。
【语义分割|代码解析】CMTFNet-4: CNN and Multiscale Transformer Fusion Network 用于遥感图像分割！
985小水博的摸鱼日常
11-03 905
【语义分割|代码解析】CMTFNet-4: CNN and Multiscale Transformer Fusion Network 用于遥感图像分割！
深度学习基础知识-全连接层
lqq
11-04 1116
全连接（Fully Connected，简称 FC）层是深度学习神经网络中一种基本的层结构。它主要用于神经网络的最后几层，将高层特征映射到输出空间中。全连接层对数据的每个输入节点与每个输出节点进行连接，用于实现输入特征和输出结果之间的映射关系。以下是对全连接层的详细解释。
《深度学习》——深度学习基础知识（全连接神经网络）
最新发布
qq_59702185的博客
11-07 840
在介绍神经网络之前，我们先看下面这幅图：人工智能>机器学习>深度学习深度学习是机器学习的⼀个⼦集，也就是说深度学习是实现机器学习的⼀种⽅法。与机器学习算法的主要区别如下图所示：传统机器学习依赖于人工设计特征，并进行特征提取，而深度学习算法不需要人工，而是依赖算法自动提取特征，这也是深度学习被看做黑盒子、可解释性差的原因。卷积神经网络（CNN）循环神经网络（RNN）生成对抗网络（GAN）深度强化网络（DRN）
深度学习（十）：伦理与社会影响的深度剖析（10/10）
小相探索IT世界
11-03 1643
深度学习作为一项强大的技术，在带来诸多益处的同时，也引发了一系列伦理和社会问题。在伦理方面，数据隐私、偏见以及责任归属等挑战亟待解决。我们需要借鉴成功的法规案例，如欧盟的 GDPR，加强数据管理和隐私保护，努力消除算法偏见，并建立明确的责任归属机制。在社会影响方面，自动化虽然对传统职业造成冲击，但也创造了新的职业机会。个人、社会和教育机构都应积极应对，提升技能和加强人才培养，以适应就业结构的变化。
吴恩达深度学习笔记：卷积神经网络（Foundations of Convolutional Neural Networks）4.9-4.10
weixin_43597208的博客
11-07 887
这将得到这两个矩阵之间的误差，因为它们是矩阵，所以在这里加一个𝐹（Frobenius 范数，编号 1 所示），这实际上是计算两个矩阵对应元素相减的平方的和，我们把这个式子展开，从𝑘和𝑘′开始作它们的差，把对应的式子写下来，然后把得到的结果都加起来，作者在这里使用了一个归一化常数，也就是。为了能捕捉图片的风格，你需要进行下面这些操作，首先，先看前两个通道，前两个通道（编号 1、2）分别是图中的红色和黄色部分，那我们该如何计算这两个通道间激活项的相关系数呢？
深度学习：Yolo V4的改进
mohanyelong的博客
11-04 780
深度学习：Yolo V4的改进
评论 2
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