在jupyter notebook中使用安装好的pytorch

最新推荐文章于 2025-11-07 17:39:49 发布
原创 最新推荐文章于 2025-11-07 17:39:49 发布 · 1.6k 阅读 · 8 ·
CC 4.0 BY-SA版权
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。
文章标签：

#python #anaconda #pytorch

博客讲述已新建安装好pytorch的虚拟环境，但在jupyter notebook中无法使用的问题及解决办法。需在安装过程中输入y，安装成功后运行jupyter notebook，选择Python [conda env:torch]，输入测试代码，不报错则安装成功，还附上anaconda中安装pytorch教程链接。
部署运行你感兴趣的模型镜像

已经新建一个安装好pytorch的虚拟环境，在jupyter notebook中不能使用
查询到的解决方法：
在这里插入图片描述
期间会有询问，输入y
在这里插入图片描述
下载安装成功显示如下：
在这里插入图片描述
运行jupyter notebook
在这里插入图片描述
在这里插入图片描述
选择Python [conda env:torch]
注：我的pytorch安装在名为torch的虚拟环境中
输入测试代码运行，不报错即为安装成功。
在这里插入图片描述
附：anaconda中安装pytorch教程：https://blog.youkuaiyun.com/MY_Azure/article/details/109749348

您可能感兴趣的与本文相关的镜像

Python3.9

Python3.9

Conda
Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

Python 手写数字识别的实现(pytorch框架) 超详细版本-jupyter notebook
weixin_43718786的博客
03-28 2万+
本文详细介绍了如何构建LeNet-5神经网络用于手写数字识别。 文中大量的代码解释包含在代码行后的注释中，请注意查看。 下面的代码在谷歌云盘的colab上运行，也可以在jupyter notebook上运行
在jupyter notebook中安装使用pytorch
m0_49593834的博客
06-24 8297
创建一个虚拟环境：DeepLearning 分别下载安装cuda(V10.1.243)、CuDNN、Pytorch(1.2.0) 在新环境中安装ipykernel: conda install ipykernel 写入环境: python -m ipykernel install --name DeepLearing --display-name "Pytorch for Deeplearning" 下载jupyter notebook : pip install matplotlib -i https:.
jupyter notebook中使用pytorch
qq_43422995的博客
03-30 5124
刚开始的时候使用jupyter时不显示自己创建的工作环境（箭头处） 解决方法如下： 首先创建pytorch的工作环境 conda create -n pytorch python = 3.7 激活这个工作环境 conda activate pytorch 当看到命令行前显示 pytorch时，此时环境创建成功 当前状态下输入： conda install nb_conda 如果想再当前环境下使用pytorch可以参考另一篇文章 之后再输入jupyter notebook此时便可以使用当前工作空间
jupyter notebook pytorch_PyTorch 和 优化器
weixin_39990558的博客
11-20 251
这段话来自 非洲经济女学家 Dambisa Moyo 的《Dead Aid》❝种一棵树最好的时间是十年前，其次是现在。-- Dambisa Moyo❞❝只要你心里有信念，没有时间的差距，什么时候开始都可以。❞❝温馨提示：代码可能一行过长，可以左右滑动查看。❞这篇文章的主要内容会围绕着如何使用 「PyTorch」 的优化器来展开。同样地，在这一篇文章中优化的函数还是一个简单的一元二次函数。...
如何在Jupyter Notebook中使用PyTorch？
最新发布
nhvmsg15380m的博客
11-07 272
return x。
在jupyter notebook中部署pytorch环境（个人笔记）
weixin_67418147的博客
07-25 1259
因为毕设，需要从零开始学一些深度学习知识，而市面上教程大多都需要一定的基础，学习过程中走了很多弯路，并且容易遗忘，为方便个人总结以及回顾，因此将一些个人学习遇到的一些问题集中在这里避免二次踩坑(阅读部分小土堆pytorch教程和李沐动手学深度学习总结)
jupyter notebook 使用pytorch-GPU版本
JeremyHua的博客
11-18 1万+
jupyter notebook 使用pytorch-GPU版本1-安装anaconda2-安装pytorch3-安装cuda 和cudnn4-jupyter连接GPU使用pytorch(1)安装nb_conda(2)添加内核(上图中后面三个)(3) 使用新内核新建notebook5-测试代码 1-安装anaconda 教程 2-安装pytorch 教程 如图所示安装成功 3-安装cuda 和cudnn 教程 4-jupyter连接GPU使用pytorch (1)安装nb_conda #base环境下使用
livelossplot：Jupyter Notebook中针对Keras，PyTorch等的实时训练损失图
02-03
答：Jupyter Notebook兼容性（用于探索和教学）。 使用简单。 安装 要从安装，请输入： pip install livelossplot 要从此仓库中获取最新版本（请注意，我们处于alpha阶段，因此可能会频繁更新），请输入： pip ...
Jupyter Notebook中针对Keras，PyTorch等的实时训练损失图-Python开发
05-25
Jupyter Notebook中针对Keras，PyTorch和其他框架的实时训练损失图。 开源Python Live Loss Plot不会蒙住双眼的深度学习模型！ 耐心一点，看看您训练的每个时期！ Jupyter Notebook中针对Keras，PyTorch和其他框架的...
关于如何在少占用C盘空间的前提下安装ANACONDA和PyTorch，并在jupyter notebook中使用的综述
01-24
本文旨在提供一个详尽的指南，帮助用户在不占用过多C盘空间的情况下完成这两个工具的安装，并能在Jupyter Notebook中使用PyTorch。 首先，安装ANACONDA时，关键在于设置安装路径和环境变量。不要选择默认的C盘安装...
Jupyter以及pycharm如何使用pytorch
m0_56806699的博客
02-26 2819
jupyter配置pytorch
关于在Jupyter Notebook中关联pytorch的问题
m0_61464910的博客
07-02 450
关于jupyter中No module named 'torch'的问题的解决方法
问题解决：在Anaconda Jupyter notebook中配置pytorch
Misivoa的博客
10-03 1272
我的电脑是有GPU的，看版本的时候选择CUDA对应版本，需要确定自己电脑显卡的版本和算力，我的电脑算力为6.1，这个可以满足CUDA 9 10 11的版本。这个时候遇到一个pytorch安装失败的问题，原因是没有给文件夹管理员权限，打开所在位置文件夹，右键属性–安全–编辑，给自己当前用户赋予管理员权限。随便打开一个命令行窗口，nvidia-smi命令查看Cuda版本，我的电脑的CUDA Version为12.4。进入anacoda之后默认是base环境。进入创建的环境，命令行输入。
Jupyter notebook中怎么运行Pytorch
weixin_45303602的博客
01-26 4055
如何在Jupyter notebook中怎么运行Pytorch
Windows系统配置pytorch环境，Jupyter notebook编辑器安装使用（深度学习本地篇）
Blue_Sky_rain的博客
12-24 2478
如今现在好一点的笔记本都自带英伟达独立显卡，对于一些简单的深度学习项目，是不需要连接服务器的，甚至数据量不大的话，cpu也足够进行训练学习。我把电脑上一些以前的笔记整理一下，记录起来，方便自己35岁事业更进一步之后（失业之后）重新复习。因为实在不想动脑子去记这些东西，也不想每次换个电脑，或者到一个地方，就要满世界的找bug，翻一堆入门教程。
jupyter notebook 切换编译环境——使用pytorch环境gpu加速，CUDA、pytorch解释
Chaoy6565的博客
11-23 4831
最近用jupyter notebook 跑一个简单的卷积网络，发现gpu没有用，发现编译环境并不是我的pytorch运行环境，为了用gpu加速运行，需要切换到我之前我建立pytorch环境。在这里记录一下。
jupyter notebook和pycharm中配置pytorch环境，及jupyter notebook内核创建
热门推荐
m0_45521766的博客
11-28 1万+
jupyter notebook和pycharm中配置pytorch环境，及jupyter notebook内核创建
jupyter notebook适配pytorch环境搭配
m0_73565632的博客
04-28 4404
我猜测我有一些奇奇怪怪的前辈们没有遇到过的错误的出现是因为这个。我当时没有及时关，在下载一个包的时候直接内存撑爆了，报了一个内存错误，真是离谱。需要注意的是第三行Package对应的选项，我之前一直选的是Conda选项（按理来说也确实应该选Conda），但频频报错，并且错误一个接着一个，很难解决。这时候可能是一些库没装好，虽说不影响运行结果的output，但还是根据报错提示解决一下为好。其中 dl换成你创建的虚拟环境的名字 3.7换成你想要装的python的版本。的提示，输入y即可。
pytorch学习笔记
xunileida的专栏
09-26 736
官方快速上手教程： http://pytorch.org/tutorials/beginner/blitz/tensor_tutorial.html 实战为王，建议工具： jupyter notebook 第一小节： 主要是numpy数据结构和torch tensor的转换，一点要注意的是“The torch Tensor and numpy array will share
在jupyter notebook中安装使用pytorch cuda
03-20
### 安装和支持 CUDA 的 PyTorch 配置 要在 Anaconda Jupyter Notebook 中安装并配置支持 CUDA 的 PyTorch，可以按照以下方式操作： #### 创建 GPU 支持的 Conda 虚拟环境 首先需要创建一个新的 Conda 环境来专门用于 PyTorch 和 CUDA 的开发工作。可以通过以下命令完成此过程[^2]： ```bash conda create --name pytorch-GPU python=3.9 ``` 激活该新创建的虚拟环境： ```bash conda activate pytorch-GPU ``` #### 安装 PyTorch 及其依赖项 在激活的环境中，通过官方推荐的方式安装适合当前系统的 PyTorch 版本。访问 [PyTorch官网](https://pytorch.org/get-started/locally/) 并根据操作系统、包管理器（Conda 或 Pip）、CUDA 版本来获取合适的安装命令。 例如，对于使用 Conda 安装且支持 CUDA 11.7 的情况，执行以下命令： ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch -c nvidia ``` 这一步会自动处理 PyTorch 所需的所有依赖关系，并确保 CUDA 工具链被正确设置。 #### 添加虚拟环境到 Jupyter Notebook 内核 为了使刚刚创建好的 `pytorch-GPU` 环境能够在 Jupyter Notebook 中可用，还需要将其作为内核注册进去。具体做法如下： 先确认已安装 ipykernel 库；如果未安装，则运行下面这条指令： ```bash pip install ipykernel ``` 接着把刚才建立起来的那个特定版本加入到 jupyter notebooks 当中去： ```bash python -m ipykernel install --user --name pytorch-GPU --display-name "Python (pytorch-GPU)" ``` 这里，“--display-name”参数定义了这个 kernel 在界面里显示的名字，方便识别[^4]。 重新启动你的 Jupyter Notebook 后，在新建文档时应该能看到名为 “Python (pytorch-GPU)” 的选项卡可供选择。 #### 验证 PyTorch 是否正常加载以及 CUDA 功能状态 最后一步就是测试一下整个流程是否顺利完成。在一个新的 notebook 文件里面输入这些代码片段来进行简单的功能检测： ```python import torch print(torch.__version__) # 输出 PyTorch 的版本号 print(torch.cuda.is_available()) # 如果返回 True 则说明成功启用了 cuda 加速计算能力 device = 'cuda' if torch.cuda.is_available() else 'cpu' tensor_example = torch.tensor([1, 2], device=device) print(tensor_example.device) # 查看张量实际使用的设备类型 ``` 假如以上所有输出均符合预期，那么就表明已经在 Jupyter Notebook 上面顺利集成了带有 CUDA 支持特性的 PyTorch 开发框架[^1]。 当遇到 `torch.cuda.is_available()` 返回 False 这种情形的时候，可能是因为以下几个原因之一造成的：一是硬件本身不兼容或者驱动程序有问题；二是软件层面缺少必要的组件比如 NVIDIA 显卡驱动更新不足或者是 cuDNN 设置错误等问题所致[^3]。针对前者应当升级显卡固件至最新版；而后者则建议参照官方指导手册逐一排查修复。
评论 3
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