【ML】 环境配置问题:使用anaconda安装了pytorch 使用网页的jupyter可以import torch 但是vscode里建立的python脚本无法使用import torch

RT

  • ANS: 按照以下方式修改 成功解决,因为使用的环境不同,anaconda使用了创建了另一套环境,切换解释器环境即可

右下角

使用anaconda安装了pytorch 使用网页的jupyter可以import
torch 但是vscode里建立的python脚本无法使用import torc

  • 可以如下图确认anaconda是否配置了环境
  • 在这里插入图片描述

灭有的话可以安装:

  • 传虚拟环境 或者就在base下操作
  • 安装torch
conda create --name myenv python=3.8
conda activate myenv
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch

anaconda 环境相关基本操作:来自gpt

Anaconda 是一个强大的数据科学和机器学习工具,它提供了管理 Python 环境的便捷方式。以下是一些常见的 Anaconda 命令和操作,包括创建虚拟环境和切换环境:
1. 创建虚拟环境:
在 Anaconda 中,您可以使用 conda create 命令来创建一个新的虚拟环境。虚拟环境允许您在不同的项目中隔离和管理依赖项。
conda create --name myenv

其中 myenv 是您希望为虚拟环境指定的名称。您还可以通过指定要安装的 Python 版本来创建虚拟环境,例如:
conda create --name myenv python=3.8

2. 激活虚拟环境:
一旦创建了虚拟环境,您需要激活它以开始在其中工作。在 Windows 上,使用以下命令:
conda activate myenv

在 macOS 和 Linux 上,使用以下命令:
source activate myenv

3. 安装包到虚拟环境:
在虚拟环境激活后,您可以使用 conda install 命令来安装包。例如:
conda install numpy

这将在当前虚拟环境中安装 NumPy 包。
4. 查看已安装的包:
要查看当前虚拟环境中已安装的包,可以使用以下命令:
conda list

5. 导出虚拟环境的依赖项:
您可以将虚拟环境的依赖项导出到一个文件,以便在其他地方创建相同环境。例如:
conda list --export > environment.yml

6. 创建环境的副本:
如果您想在另一个地方创建一个与现有环境相同的环境,可以使用以下命令:
conda create --name myenv_copy --clone myenv

这将创建一个名为 myenv_copy 的环境,并将 myenv 中的依赖项复制到新环境中。
7. 删除虚拟环境:
如果您不再需要某个虚拟环境,可以使用以下命令删除它:
conda env remove --name myenv

8. 列出所有可用环境:
您可以列出所有可用的虚拟环境,以及当前激活的环境,使用以下命令:
conda env list

9. 切换到基础环境:
要切换回 Anaconda 的基础环境(默认环境),可以使用以下命令:
conda deactivate

这些是一些 Anaconda 的常见命令和操作,可以帮助您管理虚拟环境和依赖项,以便更轻松地进行 Python 开发和数据科学工作。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“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

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
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