黑色企业网站,百度竞价外包,做网站卖链接,做一个小程序开发环境介绍 安装pycharm
官网下载即可#xff0c;我这里已经安装#xff0c;就不演示了
安装anaconda
【官网链接】点击下载
注意这一步选择just me 这一步全部勾上 打开 anaconda Prompt 输入conda create -n pytorch python3.8
命令解释#xff1a;创建一个叫pytorch我这里已经安装就不演示了
安装anaconda
【官网链接】点击下载
注意这一步选择just me 这一步全部勾上 打开 anaconda Prompt 输入conda create -n pytorch python3.8
命令解释创建一个叫pytorch也可以取其他名字只要不是中文的就行的环境其中python版本为3.8python版本也可以根据需要指定例如3.12等
输入conda env list
可以看到环境中除了基本的base环境还有刚刚创建的名字为pytorch环境
输入activate pytorch
可以进入pytorch环境中去
pytorch与深度学习环境安装
检查本地环境
打开CMD窗口输入nvidia-smi查看cuda驱动支持的最高版本cudatookkit这个是向下兼容的 pytorch 的GPU深度学习环境安装
进入【pytorch官网】找到之前的版本找到1.10.1版本 通过下面这个命令可以一次性将pytorch、cuda、cudatoolkit等工具都安装下来如果一次下载不成功可以多次运行知道下载成功。
# CUDA 11.3
conda install pytorch1.10.1 torchvision0.11.2 torchaudio0.10.1 cudatoolkit11.3 -c pytorch -c conda-forge可以通过conda list 来检查是否安装成功
额外安装使用镜像源安装sklearn
pip install sklearn0.0 -i https://pypi.mirrors.ustc.edu.cn/simple/打开pycharm 根据上述步骤完成环境配置
编写main.py 测试 环境是否安装成功
测试安装
测试代码
import torchflag torch.cuda.is_available()
print(flag) # cuda激活-返回true 安装成功ngpu 1
device torch.device(cuda:0 if (torch.cuda.is_available() and ngpu 0) else cpu)
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())# 检查cuda版本
cuda_versiontorch.version.cuda
print(CUDA Version:, cuda_version)# 检查CuDNN version
cudnn_version torch.backends.cudnn.version()
print(CUDNN Version:, cudnn_version)
这样就安装成功了 参考资料
Pytorch框架与经典卷积神经网络与实战
