人工智能之配置环境教程二：在Anaconda中创建虚拟环境安装GPU版本的Pytorch及torchvision并在VsCode中使用虚拟环境

news2024/12/25 9:18:55

人工智能之配置环境教程二：在Anaconda中创建虚拟环境安装GPU版本的Pytorch及torchvision并在VsCode中使用虚拟环境

  • 作者介绍
  • 一. 查看自己电脑的CUDA版本
    • 1.1 方式一
    • 1.2 方式二
  • 二. 下载安装CUDA
  • 三. 查看环境变量
  • 四. 创建虚拟环境
    • 4.1 使用指令创建虚拟环境
    • 4.2 查看Anconda中是否出现创建好的虚拟环境
    • 4.3 虚拟环境相关指令
  • 五. 安装GPU版本的Pytorch
    • 5.1 在线安装
    • 5.2 离线安装
      • 5.2.1 安装torch
      • 5.2.2 安装torchvision
    • 5.3 验证是否成功安装
  • 六. 在VsCode 中使用虚拟环境
    • 6.1 安装Python插件
    • 6.2 添加虚拟环境
  • 七. 安装CPU版本的Pytorch和torchvision

作者介绍

孟莉苹，女，西安工程大学电子信息学院，2021级硕士研究生，张宏伟人工智能课题组。
研究方向：机器视觉与人工智能。
电子邮件：2425613875@qq.com

一. 查看自己电脑的CUDA版本

根据以下两种方式，查看自己的电脑是否支持CUDA，如果不支持，那么直接跳到[ 七 ]！

1.1 方式一

1.1 .1 使用快捷键‘win + R’- - -> 输入 cmd - - -> 点击确定
在这里插入图片描述

1.1.2 在终端输入指令‘nvidia-smi’ - - -> 查看自己电脑支持的CUDA版本

当前CUDA版本为11.6，表示支持最高版本的CUDA是11.6，向下兼容

在这里插入图片描述

1.2 方式二

1.2.1 在桌面右击 - - -> 打开NVIDIA 控制面板

在这里插入图片描述

1.2.2 在帮助下 - - -> 选择系统信息

在这里插入图片描述

1.2.3 在组件 - - -> 查看CUAN版本

在这里插入图片描述

二. 下载安装CUDA

NVIDIA官网： https://developer.nvidia.com/cuda-toolkit-archive

  • 在NVIDIA官网找到适合自己电脑的CUDA版本，这里建议在满足要求的情况下安装CUDA11.3；本教程提供CUDA11.3版本的安装包
    在这里插入图片描述
  • 选择对应版本的CUDA后进行下载安装；
    在这里插入图片描述
  • 下载好之后安装在默认路径下即可；

CUDA安装参考帖子：https://blog.csdn.net/m0_45447650/article/details/123704930/.

三. 查看环境变量

1. 在设置中–>搜索高级系统设置–>查看环境变量

  • 在环境系统中应该出现以下四个环境变量：
    （该环境变量是CUDA11.3版本的，其他版本的需要和自己下载的CUDA版本相对应）

CUDA_PATH
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3

CUDA_PATH_V11_3
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3

NVCUDASAMPLES_ROOT
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3

NVCUDASAMPLES11_3_RO…
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3

在这里插入图片描述
在这里插入图片描述

  • 若没有相应的环境变量需要手动添加

验证CUDA是否安装成功

  • 运行cmd，输入 ‘nvcc -v’ 即可查看版本号；

  • 输入 ‘set cuda’ ，可查看 CUDA 设置的环境变量
    出现下图所示则表明成功安装CUDA
    在这里插入图片描述
    CUDA安装参考帖子：https://blog.csdn.net/m0_45447650/article/details/123704930/.

四. 创建虚拟环境

4.1 使用指令创建虚拟环境

  • 添加镜像源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
conda config --set show_channel_urls yes
conda config --set ssl_verify false
  • 创建虚拟环境，本次教程安装Python3.6版本；本地cmd终端运行如下指令：
conda create -n py36 python=3.6

4.2 查看Anconda中是否出现创建好的虚拟环境

打开Anconda，点击Environments查看是否有名为py36的虚拟环境

在这里插入图片描述
注： 接下来在名为py36的虚拟环境中安装各种科学计算包和框架（Pytorch），若有多个环境，那么例如需要python3.7，那么就创建python3.7的虚拟环境，有conda管理不会出现版本冲突。

4.3 虚拟环境相关指令

a : 终端运行如下指令：查看本地环境

conda env list

b: 终端运行如下指令：进入虚拟环境

conda activate py36

c: 终端运行如下指令：退出虚拟环境

conda deactivate

注意事项：进入虚拟环境如图：会有小括号（虚拟环境名:py36），进入虚拟环境后就可以在Python为3.6的环境下配置Pytorch了，尽情安装吧！

五. 安装GPU版本的Pytorch

5.1 在线安装

  • 安装镜像源：依次执行下面五条指令；
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
  • 在本地终端进入创建好的虚拟环境（py36），当最前面出现（py36），则表明已进入py36的虚拟环境；在这里插入图片描述
    - 进入Pytorch官网：https://pytorch.org/
  • 点击以往Pytorch版本
    在这里插入图片描述
  • 找到Windows系统下CUDA11.3下的Pytorch安装指令，并复制；
    这里要和之前安装的CUDA版本相匹配
    在这里插入图片描述
  • 粘贴在cmd本地终端的py36虚拟环境中运行安装：
conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge

在这里插入图片描述

在线安装过程会出现很多问题，因此这里建议离线安装

5.2 离线安装

在下面出现的py36_和py36的功能一样，只是名字不同而已，大家在后续操作中进入环境时进入自己配置的py36即可！！！！

5.2.1 安装torch

Pytorch下载链接：https://download.pytorch.org/whl/torch_stable.html.

  • 选择对应版本的torch并下载
    在这里插入图片描述
    在这里插入图片描述

  • 在本地终端输入以下指令进行离线安装

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple F:\Demo\torch\torch-1.10.0+cu113-cp36-cp36m-win_amd64.whl

在这里插入图片描述

5.2.2 安装torchvision

Pytorch、torchvision和python具有版本对应关系

  • Pytoch 和 torchvision 的版本对应关系可在Pytorch官网查询，如下:
    在这里插入图片描述
    本教程查到 Pytoch1.10.1 对应的 torchvision 版本为 0.11.2。

  • 离线下载torchvision 0.11.2
    torchvision下载链接：https://download.pytorch.org/whl/torch_stable.html.

在这里插入图片描述
在这里插入图片描述

  • 使用 pip 指令安装torchvision0.11.2
    在安装torchvision过程中会自动更新torch到最新版本，因此采用以下指令不对torch进行更新
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple F:\Demo\torchvision\torchvision-0.11.0+cu113-cp36-cp36m-win_amd64.whl

在这里插入图片描述

5.3 验证是否成功安装

  • 安装完成后，在虚拟环境中依次运行如下指令进行验证Pytoch是否安装成功以及GPU是否可用；
import torch 
torch.cuda.is_available()

在这里插入图片描述

若 import torch 不报错，说明 torch 安装成功

若 torch.cuda.is_available() 结果为True，则表示GPU版本安装完成

六. 在VsCode 中使用虚拟环境

6.1 安装Python插件

  • 进入VsCode软件，点击“扩展”，并在搜索框中输入Python，然后选择Python插件右下角的Install；
    在这里插入图片描述

6.2 添加虚拟环境

  • 按快捷键 “Ctrl+Shift+P” ，调出全局设置搜索窗口，然后输入 “Python:Select Interpreter” 后会出现 “Python:Select Interpreter” 选项，点击该选项；
    在这里插入图片描述
  • 点击该选项会后跳转到 Python 解释器配置窗口，这里显示的是已经添加好的Python解释器，选择py36_，即可在VsCode中使用Python了；
    在这里插入图片描述
  • 注意事项：若VsCode进入终端后是PS环境；则先在终端中输出cmd，退出PS环境，再手动输入 “conda activate py36_” 进入配置好的py36_环境中; 通过输入“pip list” 即可查看安装好的 torch 和 torchvision，确认是自己下载安装的版本即可；
    在这里插入图片描述
    以上就是关于在 Anaconda 中创建虚拟环境、安装GPU版本的Pytorch及torchvision、以及在VsCode中使用虚拟环境的全部内容！！！

接下来是CPU版本的Pytorch的安装教程！！！

前提：先完成步骤四.创建虚拟环境

七. 安装CPU版本的Pytorch和torchvision

  • 进入虚拟环境，使用Pytoch官网根据指令安装运行即可；
    在这里插入图片描述
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cpuonly -c pytorch
  • 验证是否安装成功，import torch不报错就成功了：
python 
import torch

以上就是关于在 Anaconda 中创建虚拟环境、安装CPU版本的Pytorch及torchvision的全部内容！！！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/472773.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

【刷题之路Ⅱ】LeetCode 24. 两两交换链表中的节点

【刷题之路Ⅱ】LeetCode 24. 两两交换链表中的节点

【刷题之路Ⅱ】LeetCode 24. 两两交换链表中的节点 一、题目描述解题1、方法1——递归1.1、思路分析1.2、代码实现 2、方法2——迭代2.1、思路分析2.2、代码实现 3、方法3——交替的尾插3.1、思路分析3.2、代码实现 一、题目描述 原题连接： 24. 两两交换链表中的节…
阅读更多...
人群计数经典方法Density Map Estimation,密度图估计

人群计数经典方法Density Map Estimation,密度图估计

（3）Density Map Estimation（主流） 这是crowd counting的主流方法 传统方法不好在哪里？object detection-based method和regression-based method无法从图像中提取更抽象的有助于完成人群计数任务的语义特征 概况&…
阅读更多...
asp.net个人信息管理系统VS开发sqlserver数据库web结构c#编程Microsoft Visual Studio

asp.net个人信息管理系统VS开发sqlserver数据库web结构c#编程Microsoft Visual Studio

一、源码特点 asp.net个人信息管理系统 是一套完善的web设计管理系统，系统具有完整的源代码和数据库，系统主要采用B/S模式开发。开发环境为vs2010，数据库为sqlserver2008，使用c#语言 开发 asp.net个人信息管理系统VS开发s…
阅读更多...
第七章 单行函数

第七章 单行函数

MySQL系列文章目录 http://t.csdn.cn/YTPe9 文章目录 MySQL系列文章目录前言一、函数的理解1、 什么是函数2 、不同DBMS函数的差异3 、MySQL的内置函数及分类 二、 数值函数1 、基本函数2、 角度与弧度互换函数3、 三角函数4、 指数与对数5、进制间的转换 三、字符串函数四、日…
阅读更多...
音视频八股文（8）-- h264 AnnexB

音视频八股文（8）-- h264 AnnexB

NALU(Network Abstract Layer Unit) ⾳视频编码在流媒体和⽹络领域占有重要地位；流媒体编解码流程⼤致如下图所示： H264简介 H.264从1999年开始，到2003年形成草案，最后在2007年定稿有待核实。在ITU的标准⾥称为H.264&#xff0c…
阅读更多...
Docker快速创建一个单机版的Jenkins实例

Docker快速创建一个单机版的Jenkins实例

目录 一、创建 Jenkins 实例 二、Pipeline 项目 三、总结 谈到 CI/CD，那便少不了这里面的佼佼者 Jenkins，正如 Jenkins 官网说的一样：“Build great things at any scale”，构建伟大，无所不能！ 话不多说…
阅读更多...
常用传感器-温湿度传感器SHT30

常用传感器-温湿度传感器SHT30

SHT30温湿度传感器 基本信息 工作电压：2.4V-5.5V 通讯协议：IIC 湿度测量范围：0-100 温度测量范围：-40-125 引脚 VIN：电源正极GND：电源负极SCL：数据线SDA：数据线 操作 1.加载库…
阅读更多...
digiKam 8.0发布，带来了许多新的功能和改进

digiKam 8.0发布，带来了许多新的功能和改进

导读digiKam 8.0开源、跨平台、免费的专业照片管理软件现在可以下载，这是一个重大更新，带来了许多新的功能和改进。 digiKam 8.0最大的变化是，该软件被移植到最新的Qt 6开源应用框架，以获得更现代和面向未来的体验。然而&#xff…
阅读更多...
MATLAB矩阵运算

MATLAB矩阵运算

文章目录 前言一、矩阵的输入与结构操作1-1 矩阵输入1-2 矩阵扩充（1）扩充行（2）扩充列（3）其他命令（4）矩阵的修改和元素的删除 1-3 特殊矩阵生成 二、矩阵的计算2-1 、矩阵的基本运算2…
阅读更多...
详解时间复杂度和空间复杂度问题

详解时间复杂度和空间复杂度问题

前言：本来我并不认为时间复杂度和空间复杂的有多重要，只要日常会判断和分析算法的复杂度即可，但是，不论是在考研的数据结构与算法中，还是在日常的刷题中，我们都会见到，限制我们时间和空间复杂度…
阅读更多...
RK3588平台开发系列讲解（进程篇）Linux中进程的一生

RK3588平台开发系列讲解（进程篇）Linux中进程的一生

平台内核版本安卓版本RK3588Linux 5.10Android 12文章目录 一、Linux 系统中进程的一生二、Linux 系统中的进程树三、Linux 进程的分类四、进程优先级五、进程系统调用沉淀、分享、成长，让自己和他人都能有所收获！😄 📢本篇将介绍 Linux 进程的相关知识。 一、Linux 系统…
阅读更多...
vscode开发wdk

vscode开发wdk

findwdk https://github.com/SergiusTheBest/FindWDK.git 拷贝FindWdk.cmake模块到下面路径中 CMake\share\cmake-3.22\Modules 注意定义系统变量或者修改下面路径，确保能找到wdk工具路径 构建项目 cmake中构建项目通过wdk_add_driver实现 wdk_add_driver(simp…
阅读更多...
深度学习训练营之彩色图片分类2

深度学习训练营之彩色图片分类2

深度学习训练营之彩色图片分类 原文链接环境介绍前置工作设置GPU 导入数据数据查看 构建CNN网络CNN网络的简单介绍代码 进行编译模型训练正式训练 结果可视化使用准确度和损失值进行结果的优良进行分析 原文链接 🍨 本文为🔗365天深度学习训练营 中的学习…
阅读更多...
【源码解析】SpringBoot日志系统源码分析

【源码解析】SpringBoot日志系统源码分析

LoggingApplicationListener 日志组件的处理是LoggingApplicationListener实现的。LoggingApplicationListener#onApplicationEvent&#xff0c;监听事件。如果实现接口GenericApplicationListener&#xff0c;可以允许适配事件类型。 private static final Class<?>[]…
阅读更多...
升级OpenAi/ChatGPT为收费账号绑定API全过程

升级OpenAi/ChatGPT为收费账号绑定API全过程

前言 自从4月1日开始&#xff0c;第一批用户的API就已经过期了&#xff0c;大家可能重新注册新的账号来免费获取ChatGPT/OpenAi的API额度&#xff0c;需要没有18美元额度&#xff0c;但5美元也能调用不少了&#xff0c;一个账号不够&#xff0c;两个&#xff0c;三个&#xff…
阅读更多...
NetSuite 负库存控制功能包

NetSuite 负库存控制功能包

目录 1. 前言 2. 功能说明 2.1概述 2.2控制逻辑说明 3. 安装 4. 设置 4.1角色设置 4.2参数设置 4.3负库存追踪记录设置 5. 视频链接 1. 前言 在NetSuite的项目实践中&#xff0c;NetSuite既有功能未能解决用户所面临的负库存问题。参看NetSuite知识会的前期文章&…
阅读更多...
《Netty》从零开始学netty源码（四十六）之PooledByteBuf

《Netty》从零开始学netty源码（四十六）之PooledByteBuf

PooledByteBuf Netty中一大块内存块PoolChunk默认大小为4MB&#xff0c;为了尽可能充分利用内存会将它切成很多块PooledByteBuf&#xff0c;PooledByteBuf的类关系图如下&#xff1a; PooledUnsafeDirectByteBuf与PooledUnsafeHeapByteBuf直接暴露对象的底层地址。 PooledByt…
阅读更多...
连续三年增长，徐福记为什么越战越勇？

连续三年增长，徐福记为什么越战越勇？

30年&#xff0c;一个零食品牌能发生什么变化&#xff1f;对徐福记来说&#xff0c;这是一场漫长的拉力赛。 这个过程&#xff0c;是研究消费者喜好变迁的过程&#xff0c;是孜孜不倦创新原料、产品、生产工艺和先进技术的过程&#xff0c;更是徐福记证明自身品牌价值的过程—…
阅读更多...
Nero Platinum Suite 2023 白金套装DVD刻录软件 -您强大的无忧包

Nero Platinum Suite 2023 白金套装DVD刻录软件 -您强大的无忧包

为什么选择 Nero Platinum&#xff1f; 相信市场领导者&#xff1a;使用这7个搭配和谐的程序&#xff0c;您可以轻松应对多媒体日常。Nero Platinum Suite – 您强大的无忧包 最佳准备 超过 200 种功能为每一项多媒体应用提供解决方案。技术上始终处于最新状态 品质卓越 针…
阅读更多...
大数据技术ELK实时检索

大数据技术ELK实时检索

一 elasticsearch简介 ElasticSearch是一个高性能&#xff0c;基于Lucene的全文检索服务&#xff0c;是一个分布式的Restful风格的搜索和数据分析引擎&#xff0c;也可以作为NoSQL数据库使用。 对Lucene进行了扩展 原型环境和生产环境可无缝切换 能够水平扩展 支持结构化和非结…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023