信誉好的龙岗网站设计,网页维护,如何注册网站主办者,机械加工网配件销售网Anaconda安装
Anaconda介绍
Anaconda是一个用于科学计算和数据科学的开源发行版#xff0c;它包含了许多流行的Python库和工具#xff0c;旨在简化数据分析和机器学习任务的开发过程。Anaconda提供了一个集成的开发环境#xff0c;包括Python解释器、包管理工具#xff0…Anaconda安装
Anaconda介绍
Anaconda是一个用于科学计算和数据科学的开源发行版它包含了许多流行的Python库和工具旨在简化数据分析和机器学习任务的开发过程。Anaconda提供了一个集成的开发环境包括Python解释器、包管理工具conda、以及大量预安装的科学计算包如NumPy、Pandas、Matplotlib、SciPy等。它还包括了Jupyter Notebook这是一个交互式的编程环境可以创建和共享实时代码、可视化和解释性文档。Anaconda的优点在于其易于安装、跨平台性、强大的包管理功能以及对大数据处理的支持使得数据科学家和研究人员能够更轻松地进行数据分析、可视化和机器学习模型的构建。
Anaconda优势
很多人不了解Anaconda存在的意义就是为了弥补python多版本不兼容问题在安装过程中我们不难发现总是报错说版本不兼容让我们安装版本xxx或者版本xxx的python版本但是当我们仅仅使用pycharm时往往编辑器只能存在一个python版本因此我们需要通过conda创建一个虚拟环境来使得多版本的python同时存在我们只需要在需要相应版本python时在编辑器中调用相应版本的python进行使用即可。
Anaconda下载
查找anaconda官网进入网站进行下载选择对应版本的anaconda。如下图所示 下载anaconda后创建环境等基础指令
关于如何创建新的虚拟环境这里不再赘述。
# 创建虚拟环境
conda create -n 虚拟环境名 python3.7 //python版本
# 激活虚拟环境
conda activate 虚拟环境名
有关pip由于我新创建了一个环境所以说在这里创建完虚拟环境后pip版本较低需要对其进行升级。在此升级使用
python -m pip install --upgrade pip
问题1conda默认安装路径的解决
由于配置环境中会安装很多包而默认的安装路径又在C盘因此会导致C盘特别容易变红。为此我修改了conda的默认安装路径。 上面两张图片是我电脑中的环境可以看到对应的虚拟环境位置。
打开anaconda prompt输入指令查看安装路径
#查看conda 信息conda info 或conda config –show
使用下面的命令显示 envs_dirs 不存在忘记当时的报错提示了,反正就是改不了
conda config --add envs_dirs newdir # 增加环境路径conda config --remove envs_dirs newdir # 删除环境路径
按下面2的的操作最后可以了。 添加环境位置
找到.condarc文件 记事本打开并添加注意将E://Anaconda//envs换成自己要保存的位置建议放在anaconda安装文件夹下的envs文件夹中.
envs_dirs: - E://Anaconda//envs 修改好后重新创建一遍环境查看环境的安装路径在哪里。如果还是不行看下面一条替代方案
如果环境位置没有切换查看一下目标路径的文件夹的权限。 如果要修改则应该修改如下权限为。如上图所示用户权限为全部勾选。我这里是全勾上了的
修改用户权限后再次创建新的虚拟环境可以看到conda的默认安装路径转变成了前面condarc中新修改的安装路径了。 修改如上图所示。
Pytorch安装
Pytorch介绍
PyTorch是一个开源的机器学习库广泛用于计算机视觉和自然语言处理等应用领域。它由Facebook的人工智能研究团队开发并受到学术界和工业界的广泛使用。PyTorch以其高度灵活性和易用性而闻名它支持动态计算图也称为自动微分系统使得模型的设计、调试和优化更为直观和方便。
PyTorch提供了丰富的API可以轻松地进行张量计算类似于NumPy并且支持强大的GPU加速这使得其在处理大规模数据集时非常高效。此外PyTorch还拥有一个庞大的生态系统包括用于构建和训练神经网络的工具库如TorchVision、TorchText和TorchAudio。这些工具不仅提供了预处理和标准数据集的接口还包含了多种预训练模型可以帮助开发者加速开发过程和提高模型性能。PyTorch已经成为学术研究和产业应用中深度学习的首选框架之一。
问题2Pytorch框架与其他版本的兼容性
安装pytorch框架时遇到的最棘手的问题就是版本不兼容问题由于深度学习框架需要安装的环境较多对应多个版本的相互不兼容问题也就更容易出现。
Pytorch、CUDA、Python三者之间存在相互依赖关系在这里放上一张依赖关系图作为参考。不同版本之间存在依赖关系。 Pytorch安装过程
登录pytorch官网查找到对应安装位置复制安装命令行直接安装即可。 在pytorch官网上找到对应的安装命令行激活对应的虚拟环境后直接进行运行相关代码即可安装对应GPU版本的pytorch框架。当然假如电脑没有GPU的话也可以安装对应CPU版本的pytorch框架
Tip使用nvidia-smi查看相关型号后输入上述代码安装对应版本的cuda
注意安装的时候需要在对应的虚拟环境中安装才有用要不然运行的时候无法看出来有什么区别。不要还没有激活对应的虚拟环境就安装对应版本的pytorch。
CUDA安装
使用nvidia -smi查看电脑对应的驱动版本号、当前设备的显卡数量与显卡的型号等。
对应各种版本的获取
首先打开anaconda prompt激活对应虚拟环境。
导入torch并获取对应版本
import torchtorch.__version__
在prompt命令行中就可以看到对应的torch版本了
torch.cuda.is_available()
使用上述代码查看对应的cuda是否可用。 码字不易假如对您有用 麻烦个点赞~ 谢谢
