《动手学深度学习》笔记1.1——Pytorch虚拟环境搭建

已于 2024-09-26 12:41:34 修改
阅读量359 收藏 3
点赞数 5
分类专栏： 1.DL基础《动手学深度学习》笔记（PyTorch版） 文章标签： 深度学习 笔记 人工智能
于 2024-09-04 09:43:11 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_57972634/article/details/141884558
版权

目录

1. 参考资料

1.1 miniconda 在 Win 上安装

anaconda 的安装

1.2 conda基础指令

1.3 jupyter 与 pytorch 虚拟环境配置

1.4 一些补充

2. 我的成功经验

2.1 新开个虚拟环境

 2.2 torch和torchvision的选择+下载

2.3 将三个镜像包（d2l, torch 和 torchvision）安装到虚拟环境

3. 拓展：调整/删除环境 (+重装)

3.1 补充：删除包，重装包

3.2 卸载虚拟环境重装

3.2.1 jupyter删除内核：

3.2.2 conda删除虚拟环境：

3.3 创建虚拟环境（以及我们想要的python3.8版本）

3.4 连接虚拟环境到jupyter

  • 李沐老师在视频（有时需要梯子的课程官网：课程安排 - 动手学深度学习课程）一开始就强推了jupyter，而且申请了亚马逊的GPU Linux远程搭环境，初学者在学习阶段可以不用那么快地学Linux，可在本地先搭建conda 虚拟环境，我亲测有效（认为很好）的几个学习资源和可能（我）遇到问题的解决方案，都按照时间顺序整理到了下方：

1. 参考资料

1.1 miniconda 在 Win 上安装

anaconda 的安装

Anaconda的安装和详细介绍（带图文）-CSDN博客

Anaconda Prompt到底是什么？ 和系统自带cmd命令提示窗区别又是什么？-CSDN博客

1.2 conda基础指令

1.3 jupyter 与 pytorch 虚拟环境配置

1.4 一些补充

conda install无法安装安装，提示 CondaSSLError: OpenSSL appears to be unavailable on this machine. OpenSSL is_conda install不能用openassl-CSDN博客文章浏览阅读2.5w次，点赞156次，收藏133次。挂梯子VPN引起的问题,去掉梯子conda install安装不了的解决方法_conda install不能用openasslhttps://blog.csdn.net/xiangfengl/article/details/127597065

2. 我的成功经验

在安装好anaconda 和 jupyter notebook后，需要开始配环境啦，用来跑李沐老师的代码，由于我踩了很多坑，这里直接上我的最佳实践

关于conda和jupyter的安装，推荐参考： 优雅地安装 miniconda 和 Jupyter（从零开始~保姆式）-CSDN博客

2.1 新开个虚拟环境

参考文档：

将新环境连接到 jupyter

dcea1a7d13ee4779bc9f9b8c1d51ea83.png

这里的“--name”指环境名称，后面的“--display-name”指显示的kernel名称，我选择都叫“d2l-1”这样方便记忆

4e30c2a11eae4df491a431b97f50e45c.png

操作完成，成功连接jupyter

 2.2 torch和torchvision的选择+下载

下图参考了配置深度学习环境完全避坑指南（Pytorch） - 知乎 (zhihu.com)

e4ef9120abaa40a385b4643a7eda9155.png

直接在anaconda prompt里下载torch和torchvision会很卡出error，我搞了一晚上都没下好，最终选择从清华镜像下载torch和torchvision，如图第一行所示，我选择的版本(都上最新版)：

torch 1.13.1：（清华镜像：Links for torch (tsinghua.edu.cn)）（注意，这个torch是CPU版的，如果想用NVIDIA-GPU来运行pytorch，得按照对应的cuda版本来选择，下载pytorch：download.pytorch.org/whl/torch_stable.html）

(补充：CUDA11.4版本比较特殊的版本，可以用CUDA11.3版本）

torchvision 0.19.1：（清华镜像：Links for torchvision (tsinghua.edu.cn)）

(补充：如果想用英伟达GPU来跑pytorch，也得换成对应cuda版本的torchvision

下载torchvision：download.pytorch.org/whl/torch_stable.html）

我们还需要额外下载d2l，包含了很多实用的包（0.7.0）是比较稳定的可访问版本）

d2l 0.17.0：（d2l华为云：Simple Index (huaweicloud.com)）

总共就需要这三个啦

来看看李沐老师在他开的亚马逊CPU Linux云机器上装了啥：

67513cb7ca3c47b88d8d122964b6ac28.png

主要也就是这三样：d2l, torch 和 torchvision

2.3 将三个镜像包（d2l, torch 和 torchvision）安装到虚拟环境

如何将下载到本地的包，装到对应环境里呢，我参考的是（亲测很OK）：

（从0到1的配置《动手学深度学习》的代码环境_怎么运行深度学习代码-CSDN博客）

省流版：

1.进入环境：win+s 搜索“anaconda prompt”，输入“conda activate d2l-1"进入环境（d2l-1是我起的环境名，大家可选择自己的环境）

conda activate d2l-1

2.进入D盘：咱下载.whl的盘

d:

0ad3bcac62e34640b724a49c30d33f9d.png

3. 找到下载路径：咱下载.whl的地方（注意地址前面别少了“cd ”)

64fcb3fb4e894992a66a242e2e9846b0.png

cd D:\download

30ae24797eb4489c93b0eddeb77d3867.png

4.使用 pip install 安装 .whl (包)文件：注意拓展名.whl不能少！

pip install torch-1.13.1-cp38-cp38-win_amd64.whl
pip install torchvision-0.19.1-cp38-cp38-win_amd64.whl
pip install d2l-0.17.0-py3-none-any.whl

大功告成，如果没有报错可以不用看拓展！恭喜可以开始深度学习之旅啦~

3. 拓展：调整/删除环境 (+重装)

3.1 补充：删除包，重装包

  • 有的时候，环境配错了，不一定非得删环境，还可以删除包
  • 管理环境中的包，可参考：

    1）安装包 或 安装特定版本的包
    conda install package-name
    conda install package-name==version
    （2）查看所有已安装包
    conda list
    （3）卸载包
    conda remove package-name
    （4）更新包
    更新一个包

    conda update package-name
    更新所有包

    conda update --all
    （5）搜索包
    conda search search-term，可以模糊搜索

  • 删除包可以使用pip uninstall，比一定非得用conda remove package-name

3.2 卸载虚拟环境重装

pip 报错 “is not a supported wheel on this platform”

00f71f96614f45fc9bf56796b4e46fcc.png

说明pip的包，与环境里的python版本不匹配，得先查看当前python版本

767fd482824b42168f95f6037bb84464.png

果然是python版本不对，可以选择卸载这个虚拟环境再重装/直接新开一个python3.8的环境/找咱当前版本python3.12的对应版本的.whl包：

我们这里演示删除环境，再重装（最全的一条路径）：

3.2.1 jupyter删除内核：

参考文章：jupyter添加内核、删除内核_jupyter删除kernel-CSDN博客

省流版：

1、查看内核
jupyter kernelspec list
2、 删除内核
jupyter kernelspec remove env(env就是你想删掉的内核名)
3、再查看内核情况
jupyter kernelspec list

3.2.2 conda删除虚拟环境：

参考文章：【anaconda】conda创建、查看、删除虚拟环境（anaconda命令集）_conda 创建环境-CSDN博客

省流版：

1. 在base环境里查看所有环境

conda env list

2. 删除目标环境

conda env remove -n env(env就是你想删掉的环境名)

3. 再次检查所有环境

conda env list

3.3 创建虚拟环境（以及我们想要的python3.8版本）

conda create -n env-name python=3.8

3.4 连接虚拟环境到jupyter

参考文章：优雅地安装 miniconda 和 Jupyter（从零开始~保姆式）-CSDN博客

中的章节“5. 虚拟环境接入Jupyter”

最后就是回到 “3. 将三个镜像包（d2l, torch 和 torchvision）安装到虚拟环境” 这次python版本号终于能对上啦！

陈苏同学
关注
专栏目录
PyTorch深度学习实战（1）——PyTorch安装与配置
shangjg3的博客
08-05 676
同时，VS Code提供了十分丰富的插件，来提高用户的开发效率，例如Python（用于代码调试、变量检测等）、Remote-SSH（用于连接远程服务器）、Jupyter（用于加载Jupyter Notebook）等。魔术方法，还可以直接粘贴多行代码、doctest代码和IPython的代码（下面的代码都是使用“Ctrl+V”直接粘贴的，如果是Linux终端，那么应该使用“Ctrl+Shift+V”直接粘贴，或者单击鼠标右键，选择"粘贴"选项）。在这种开发模式下，代码启动更快，读取远程数据也更方便。
动手学PyTorch建模与应用：从深度学习到大模型
王国平的博客
08-16 605
本书是一本带领读者快速学习PyTorch并将其运用于深度学习建模方向的入门指南，重点介绍了基于PyTorch的数值建模、图像建模、文本建模、音频建模、模型可视化和大语言模型等。全书的重点是动手学，试图带领读者在实操中学习，为此全书每一章基本上都精心设计了动手练习案例，同时还给出了上机练习题，上机练习题给出了实现代码的操作步骤，读者只需要按步骤操作即可，在动手中理解概念、发现问题、解决问题，另外，本书所有代码都给出了详细的注解和说明，大大降低了读者理解代码的困惑，希望读者能够理解编者的想法。
新书速览|动手学PyTorch建模与应用：从深度学习到大模型
quanzhankaifaqua的博客
07-29 774
动手学PyTorch建模与应用:从深度学习到大模型》的内容也较为丰富，如涉及深度神经网络、数值建模、图像建模、文本建模、音频建模、模型可视化以及当前热点的大模型本地部署、预训练与微调等内容，与时与时俱进，紧跟技术发展的步伐。《动手学PyTorch建模与应用：从深度学习到大模型》是一本讲述以PyTorch为工具实践深度学习和大模型的入门书，从数学知识和必备基础知识和概念入手讲解，理论兼备实践，语言通俗，图文并茂，边学边练，非常易于掌握。，包括回归分析、聚类分析、主成分分析、模型评估与调优等。
NLP学习笔记-Pytorch框架（补充）
码python的Vinsmoke
10-27 439
PDF Pytorch初步应用 使用Pytorch构建一个神经网络 学习目标 掌握用Pytorch构建神经网络的基本流程. 掌握用Pytorch构建神经网络的实现过程. 关于torch.nn: 使用Pytorch来构建神经网络, 主要的工具都在torch.nn包中. nn依赖于autograd来定义模型, 并对其自动求导. 构建神经网络的典型流程: 定义一个拥有可学习参数的神经网络 遍历训练数据集 处理输入数据使其流经神经网络 计算损失值 将网络参数的梯度进行反向传播 以一定的.
李沐深度学习——配置
susudexiaoying的博客
11-18 789
Anaconda 是专门为了方便使用 Python 进行数据科学研究而建立的一组软件包，涵盖了数据科学领域常见的 Python 库，并且自带了专门用来解决软件环境依赖问题的 conda 包管理系统。主要是提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。
windows上配置深度学习（李沐-动手学深度学习）
gdxdekx的博客
01-01 7035
1、安装miniconda windows下安装，去清华大学开源镜像下载，速度比较快。 选中Miniconda3-latest-Windos-x86_64.exe下载安装包（目前最新的是py3.9） 或者（py3.8版本的）（由于该课程李沐用的是3.8，所以建议3.8）： 下载完成之后双击安装即可，一般都选择默认配置即可 安装完成后，打开anaconda prompt这个终端（安装miniconda的时候会自动安装prompt到你电脑上）， 然后分别执行如下四个命令，将conda和pip的软件源修
Pytorch学习笔记（一）——pytorch环境搭建配置
qq_23345187的博客
10-04 4443
目录前言与前期准备一、Anaconda的安装1.1.Anaconda介绍1.2.Anaconda的下载安装1.3.Anaconda的配置下载源1.4.Anaconda的如何切换不同版本的pytorch（以cpu和gpu版本之间切换为例）二、Pytorch的安装2.1.Pytorch介绍2.2.Anaconda的下在线安装Pytorch2.3.Anaconda的下在线、离线混合安装Pytorch三、CUDA3.1.CUDA介绍3.2.CUDA版本的选择3.3.CUDA的安装3.4.CUDA版本安装错误怎么卸载
PyTorch深度学习快速入门教程 - 【小土堆学习笔记】
做一只猫的博客
02-14 3016
博主本人技术力不高，这篇博客可能会因为个人水平问题出现一些错误，但作为小白，还是希望能写下一些碰到的坑，尽力帮到其他小白。
【AI】《动手学-深度学习-PyTorch版》笔记（一）：学习环境配置
郭老二
07-05 786
在Anaconda中搭建PyTorch学习环境
大语言模型原理与应用实践：基于监督学习进行微调 Supervised Learning & Fine-Tuning
AI天才研究院
06-25 331
近年来，随着深度学习技术的快速发展，大规模语言模型(Large Language Models, LLMs)在自然语言处理(Natural Language Processing, NLP)领域取得了巨大的突破。这些大语言模型通过在海量无标签文本数据上进行预训练，学习到了丰富的语言知识和常识，可以通过少量的有标签样本在下游任务上进行微调(Fine-Tuning)，获得优异的性能。其中最具代表性的大模型包括OpenAI的GPT系列模型、Google的BERT、T5等。
【从零开始大模型开发与微调】AI 人工智能大语言模型 LLM：语言与思维——实践的融合
AI天才研究院
07-04 1722
在人工智能领域，大语言模型（Large Language Models, LLMs）已经取得了令人瞩目的成就。这些模型基于深度学习，通过在大量文本数据上预训练学习语言知识，被广泛应用于各种自然语言处理（NLP）任务，如图像描述、对话系统、翻译、摘要生成等。但这些模型的性能和表现，特别是其对语言和思维的理解，仍存在诸多困惑和疑问。大语言模型（LLMs）：指基于深度学习技术，通过在大量文本数据上预训练学习语言知识，能够理解和生成自然语言的大规模模型。自监督学习。
python和pytorch关系_pytorch与torch关系
weixin_39955925的博客
11-25 1335
广告关闭腾讯云11.11云上盛惠 ，精选热门产品助力上云，云服务器首年88元起，买的越多返的越多，最高返5000元！那么pytorch是怎么来的，追根溯源，pytorch可以说是torch的python版，然后增加了很多新的特性，那么pytorch和torch的具体区别是什么，这篇文章大致对两者进行一下简要分析，有一个宏观的了解。 上面的对比图来源于官网，官方认为，这两者最大的区别就是pytorc...
基于CNN+Transformer混合模型实现交通流量时序预测(PyTorch版)
君子不器 大道无方
09-30 1616
本文旨在详细介绍如何使用PyTorch框架实现基于CNN+Transformer的混合模型，并将其应用于交通流量时序预测任务。我们将从模型架构、数据处理、训练优化等多个方面进行深入剖析，力求为读者提供一个全面、系统的学习与实践指南。希望通过本文的介绍，读者能够掌握CNN+Transformer混合模型的基本原理与实现方法，并能够在实际交通流量预测任务中灵活应用，为城市交通管理与规划贡献自己的力量。
深度学习：DCGAN
Landy_Jay的博客
10-01 562
CDGAN（Deep Convolutional Generative Adversarial Networks），是GAN（Generative Adversarial Networks）的一种变体，它特别使用了卷积神经网络（CNNs）作为生成器和判别器的构建模块。DCGAN使用全卷积网络结构代替传统的池化层和全连接层。在生成器中采用转置卷积（也称为分数步长卷积或反卷积）来逐步增加图像的空间维度。在判别器中使用卷积层来逐步减少空间维度并提取特征。
深度学习-----------------机器翻译与数据集
Einstein·Jun
10-03 460
绘制每个文本序列所包含的标记数量的直方图。
国创——基于分离表示的人脸图像生成技术
2301_80073593的博客
10-01 1068
根据用户的个性化需求，对分离得到的形状和纹理表示进行调整。- 在DFGA框架的几何形状生成模块中，根据输入数据（可能是经过预处理的图像特征等），使用特定的算法或模型生成人脸的几何形状。- 分离表示旨在将人脸图像分解为不同的组件，如几何形状（面部结构）、皮肤纹理（颜色、细节等）等表示形式。- 将生成的几何形状和皮肤纹理进行融合，得到最终的个性化人脸图像或者视频帧（如果是从视频序列输入）。- 定义DFGA框架中的各个模块，如数据加载模块、几何形状生成模块、皮肤纹理生成模块、融合模块等。
基于深度学习的视频摘要生成
最新发布
weixin_42605076的博客
10-03 516
信息过载：随着视频内容的爆炸性增长，用户很难有效地消费大量视频，视频摘要可以帮助快速浏览重要内容。多场景应用：视频摘要可用于社交媒体、视频检索、监控分析、教育视频浓缩等领域。结合音频与字幕：多模态方法可以同时分析视频、音频、字幕等多种信号，提升摘要生成的准确性和丰富性。视觉和语义信息结合：通过结合视觉内容与语义信息（如字幕或语音转录），模型可以生成更具语义理解的摘要。
评论
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