Mac系统搭建深度学习环境详细教程

最新推荐文章于 2024-02-06 15:06:34 发布
VIP文章 最新推荐文章于 2024-02-06 15:06:34 发布
阅读量3.2k 收藏 32
点赞数 3
分类专栏： 环境安装
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_46112766/article/details/109067652
版权

Anaconda 和 Miniconda作用是一样的，装一个即可。
安装过程是一样的，下面以Miniconda为例编写的教程。

下载Miniconda

Miniconda的官网：https://docs.conda.io/en/latest/miniconda.html

官网下载速度慢，直接去清华镜像网站下载红框，框出来的版本：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
在这里插入图片描述

安装Miniconda

将下载好的Miniconda文件放到home目录下
在这里插入图片描述
出现许可协议，如下图：
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

提示：安装需要时间，请耐心等待

在这里插入图片描述
在这里插入图片描述

最低0.47元/天 解锁文章
柏拉图工作室-AI学科
关注
  • 3
    点赞
  • 踩
  • 32
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
用pytorch调试的深度学习训练语料小模型
03-21
在深度学习领域，训练语言模型是一项重要的任务。为了帮助初学者更好地理解和入门这个过程，我们可以使用一个小型的深度学习模型进行调试。在这里，我们将使用tytorch2.x框架来完成这个任务。首先，我们需要准备上万条语料数据，这些数据可以从网络上收集或者自己创建。接下来，我们需要搭建一个适合的深度学习模型。 在环境方面，我们需要确保有英伟达GPU的支持，这样可以利用CUDA加速训练过程；如果是Mac用户，可以使用MPS进行加速；其他情况下，我们可以选择使用CPU进行训练。在训练过程中，我们可以根据需要调整训练轮数和训练尺寸，以减少训练时间。此外，我们还可以通过减少训练语料的方式来缩短训练时间。 通过这些设置，我们可以开始训练我们的深度学习模型。在训练过程中，我们需要密切关注模型的损失值和准确率，以便了解模型是否收敛以及是否存在过拟合或欠拟合的问题。在训练完成后，我们可以使用一些测试数据来评估模型的性能。 总之，通过使用tytorch2.x框架调试一个小型的深度学习模型，初学者可以更好地
【新手入门深度学习】mac配置深度学习环境——pytorch
最新发布
hosiume的博客
04-08 242
官网直接download，根据芯片选择interl或其他，芯片在“关于本机”中可以查看，官网下载速度慢的可以选择魔法上网或清华镜像。创建环境：conda -n <env_name> python=<版本号>激活环境：conda activate <env_name>查看环境列表:conda env list。查对应指令，然后在conda运行指令即可。官网：pytorch.org/下载完成后根据提示安装即可。如果需要安装其他版本，到。
事实胜于雄辩,苹果MacOs能不能玩儿机器/深度(ml/dl)学习(Python3.10/Tensorflow2)
2301_77550592的博客
08-03 454
苹果MacOs系统可以承担深度学习任务，但术业有专攻，算力层面还是比不上配置N卡的其他平台，这是不争的事实。没错，更好的选择是RTX3090，甚至是4090，但一块RTX4090显卡的价格是1500刀左右，这还意味着CPU、内存、主板和电源都得单买，而一台m2芯片的Mac book air的价格是多少呢？
Mac电脑 Pythorch深度学习开发环境搭建
阿十爸爸的博客
02-06 411
本文主要关于mac下的环境搭建，因此没有CUDA部分。主要涉及Ancoda安装和配置，Pythorch的安装，以及最后给出深度学习领域的hello word手写数字识别的Case。关于Windows下，Cuda的部分后面会单独出一篇文章讲解。
Mac Apple Silicon M1/M2 homebrew miniforge conda pytorch yolov5深度学习环境搭建并简单测试MPS GPU加速
catscanner的博客
02-27 7252
笔者使用的是一台M2版本的Macbook Air，虽然苹果作为深度学习的训练机不太合适，但是由于macbook作为打字机实在是无可挑剔，所以使用macbook调试一下pytorch的代码再放到集群上训练或者直接在mac上调试运行代码都是不错的体验，本文以在mac上直接调试yolov5为目标，大概记录一下步骤。这一步就是大家八仙过海各显神通的时候了，总之开启代理后，除了浏览器可以走代理访问之外，还需要配置zsh和git走代理，否则homebrew的安装会比较痛苦。就可以开始使用专属的conda虚拟环境了。
mac m1 m2 深度学习环境（pytorch）配置
TigerZ*的博客
06-23 9977
在mac M1 M2上配置Python 深度学习开发环境（pycharm、openCV、pytorch）
mac深度学习环境配置23.4.2
m0_62583559的博客
04-02 391
2023.4.2。
DeepSpeech的使用尝试Linux环境下
qq_45978862的博客
10-05 1458
DeepSpeech的初次尝试运行
[深度学习框架] 在Mac上安装Tensorflow
热门推荐
1.02^365的成长裂变
11-29 1万+
这个文档说明了如何在 Mac OS X 上安装 TensorFlow。 注意：从 1.2 版本开始，在 Mac OS X 上 TensorFlow 不再支持 GPU。 确定如何安装 TensorFlow 你可以选择一种方式安装 TensorFlow，支持下面的几种选择： virtualenv"本地" pipDocker从源代码安装，更专业有单独的文档记录 我们建议使用 v
TensorFlow在MAC环境下的安装及环境搭建
12-23
给大家分享一下TensorFlow在MAC系统中的安装步骤以及环境搭建的操作流程。 TensorFlow 底层的图模型结构清晰，容易改造；支持分布式训练；可视化效果好。如果做长期项目，接触较大数据集的话，TensorFlow很适用，...
基于YOLOv8的细胞检测计数系统源码(部署教程+训练好的模型+各项评估指标曲线).zip
08-22
基于YOLOv8的细胞检测计数系统源码(部署教程+训练好的模型+各项评估指标曲线).zip 平均准确率：0.98 类别：RBC、WBC、platelets 【资源介绍】 1、ultralytics-main ultralytics-main为YOLOv8源代码，里面涵盖基于...
基于YOLOv8的各种瓶子识别检测系统源码(部署教程+训练好的模型+各项评估指标曲线).zip
08-22
基于YOLOv8的各种瓶子识别检测系统源码(部署教程+训练好的模型+各项评估指标曲线).zip 平均准确率：0.95 类别：bottle 【资源介绍】 1、ultralytics-main ultralytics-main为YOLOv8源代码，里面涵盖基于yolov8分类...
智慧交通基于YOLOv8的行人车辆检测计数系统源码(部署教程+训练好的模型+各项评估指标曲线).zip
08-22
智慧交通基于YOLOv8的行人车辆检测计数系统源码(部署教程+训练好的模型+各项评估指标曲线).zip 平均准确率：0.91 类别：person、truck、car、bus、traffic light 【资源介绍】 1、ultralytics-main ultralytics-...
jupyter notebook插件安装
柏拉图工作室-AI学科
12-10 5958
jupyter 插件的安装需要以下几个步骤 如创建了虚拟环境，先激活虚拟环境 命令为：conda activate tf2.1 tf2.1为虚拟环境名字，填写自己创建的名字即可 安装 jupyter_contrib_nbextensions 命令为：pip install jupyter_contrib_nbextensions 执行命令 jupyter contrib nbextension install --user 4.执行 jupyter notebook 到这里就搞
windows搭建深度学习环境详细教程
柏拉图工作室-AI学科
10-14 5362
下载Miniconda Miniconda的官网：https://docs.conda.io/en/latest/miniconda.html 官网下载速度慢，直接去清华镜像网站下载红框，框出来的版本：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/ 安装Miniconda 下载完成，我们开始安装： 一路Next， 虚拟环境操作 添加国内源 快捷键：win + r，打开命令行，如图： 出现如下图：执行：conda config --
Conda是什么
柏拉图工作室-AI学科
12-17 4138
Conda 是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。 有Anaconda和Miniconda两种。 miniconda可以认为是简化版的conda。 常用的Conda命令： 创建虚拟环境：conda create -n 虚拟环境名字 python=版本 查看虚拟环境：conda env list 删除虚拟环境： conda remove -n 虚拟环境名字 --all 查询conda的信息：conda info 克隆虚拟环境：conda env
Linux系统搭建深度学习环境详细教程
柏拉图工作室-AI学科
10-14 2166
1.下载Miniconda 我们直接去国内的清华源下载,下面是链接地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/ 下载完之后，我们开始安装 2.安装Miniconda 首先进入~/Downloads目录 我们完成了安装 执行换源操作 channels: - defaults show_channel_urls: true channel_alias: https://mirrors.tuna.tsinghua.edu.
Anaconda下pytorch的cpu版和gpu版安装
柏拉图工作室-AI学科
12-28 627
首先创建个虚拟环境： conda create -n 虚拟环境名字 python=指定python版本 进入pytorch的官网，直接复制命令即可 pytorich官网是国外源，对于不能翻墙的小伙伴可能不太友好，所以还有第二种方式安装。 用pip安装whl文件 pytorch的whl文件下载地址：https://download.pytorch.org/whl/torch_stable.html 根据自己的需求，去上述网址中直接下载对应版本的whl文件即可，cpu和gpu版本都有。 安装指令为：pip
m1 macbook pro做深度学习
06-06
M1芯片的MacBook Pro对于轻度深度学习任务来说表现良好，但在处理大型数据集或需要大量计算资源的深度学习任务方面，可能会受到性能限制。这是因为M1芯片采用ARM架构，与传统的x86架构不同，因此在某些情况下可能无法充分利用现有的深度学习软件和库。 如果您需要进行大规模深度学习任务，建议选择一台配备专业GPU的计算机。如果您只需要进行轻度深度学习任务，那么M1 MacBook Pro是一个不错的选择，因为它具有出色的性能和长久的电池续航能力。

“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 1
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