搭建Paddle环境（GPU版）

原创 已于 2022-06-28 16:39:42 修改 · 1.5k 阅读 · 2 ·
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：

#paddlepaddle #视觉检测

于 2022-06-28 16:38:50 首次发布

搭建Paddle环境（GPU版）

装这个PaddleOCR https://github.com/PaddlePaddle/PaddleOCR

大体上可以按照官网的流程来

过程中踩了一些坑：

1.先是pip过程中报这个错
在这里插入图片描述

building ‘Levenshtein._levenshtein’ extension
error: Microsoft Visual C*+ 14.0 or greater is required.bet it with 'llicrosoft C** Build Tools" : https:/visualstudiomicrosoft.com/visual-cpp-build-tools/

解决：直接下载对应的wheel文件安装(在这个网站找Archived: Python Extension Packages for Windows - Christoph Gohlke (uci.edu))

pip install lib_name

2.接下来，cuda的版本又不对了

在这里插入图片描述

最低0.47元/天 解锁文章
各类深度学习框架详解+深度学习训练环境搭建-GPU版本
master_hunter的博客
10-23 4973
工欲善其事必先利其器，对工具的熟练程度很多时候决定你工程项目的质量和上限。对于人工智能工程师来说，搭建本地深度学习环境来说是比较麻烦的一件事，其中涉及到较多的相关硬件和软件的兼容问题。很多初学者安装的深度学习框架环境仅能够使用CPU运行并没有利用到GPU，关于很多硬件关联的深度学习训练框架并没有清楚的认知，导致配置环境的时候很容易出现各类错误。所以本篇文章主要讲述清楚如何搭建深度学习环境以及框架选择和自己硬件匹配的系统。如果你发现深度学习看似难以掌握，我将尽力简化知识，将其转化为我们更容易理解的内容。
windows环境下conda搭建百度飞桨paddle深度学习环境[学习记录]
weixin_50995339的博客
08-03 1356
去百度飞桨网站(https://www.paddlepaddle.org.cn/)选择合适的CUDA版本，复制安装代码。我的CUDA版本是12.5，由于CUDA向下兼容，可选的最新版本是12.3。快捷键win+R，输入cmd回车，输入nvidia-smi查看CUDA Version为12.5。出现PaddlePaddle is installed successfully!输入conda create -n paddle python=3.8 然后回车。输入y、回车，开始安装。
安装Paddle，PaddleX环境
热门推荐
小王的博客
03-08 3万+
一、安装paddle 1. 创建conda虚拟环境 conda create -n PaddleEnv python=3.7 activate PaddleEnv 2. 安装paddle pip install paddle python3 -m pip install paddlepaddle-gpu==2.0.0.post110 -f https://paddlepaddle.org.cn/whl/stable.html 安装_开始使用_飞桨-源于产业实践的开源深度学习平台 3..
paddle环境安装
一名混沌的大学生
02-03 1803
运行如上的命名以后（中间会询问您是否确定安装，输入y就可以了），就可以安装paddlepaddle框架所需要的基本环境依赖包（如果中间网不好，导致有些包下载失败。复制如下的红色框框中的命令，由于这个命令就是在清华源中下载，所以直接复制这个命令到anaconda prompt中去然后运行就可以了，如以下截图。创建好了名叫paddle这个环境以后，进入到这个环境中（可以在pytorch环境下进入），执行如下命令。本人之前安装的是CUDA11.6+cuDNN8.6，所以注意版本的选择。
PPIO上新GPU实例模板，一键部署PaddleOCR-VL
最新发布
11-03 878
今天，PPIO 上线 OCR 领域的 SOTA 模型——百度 PaddleOCR-VL。PaddleOCR-VL 是一款先进、高效的文档解析模型，专为文档中的元素识别设计。其核心组件为 PaddleOCR-VL-0.9B，这是一种紧凑而强大的视觉语言模型（VLM），它由 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型组成，能够实现精准的元素识别。
paddle环境搭建之GPU版本
08-10 2042
显卡驱动，cuda，cudnn，深度学习库的关系cudnn加括号是因为cudnn的版本和cuda版本是一一对应的，深度学习库的版本依赖往往是直接看cuda版本，而不需要关注cudnn。这其中最重要的问题是版本依赖。
Paddlepaddle-GPU版本安装
weixin_54125762的博客
03-14 5608
首先声明。本文是建立在他人的文档下进行自己的安装历程的，故有些地方会重复以及不同。且本人已经安装成功，所以教程中的python环境可能有出入。
配置paddle环境
yangkeeper的博客
03-02 1288
配置paddle环境
机器学习之GPU-paddle框架搭建之在conda虚拟环境安装CUDA和CUDNN以及在pycharm中验证paddle是否可运行
yxy_ben的博客
05-23 2396
通常，在本地安装与显卡对应的cuda和cudnn，这样才可以用显卡进行训练。但不同的项目所需框架所支持的CUDA版本是不一样的，而框架和CUDA版本之间又是互相依赖的，所以如果可以灵活地在不同cuda版本间切换将是非常方便的。anaconda就可以实现这个功能。所以可在conda创建的不同虚拟环境中安装不同的cuda和cudnn版本，以此来实现不同cuda版本间的切换。
深度学习——PaddlePaddle环境构建
庄小焱
01-30 1558
本文重要给大家一些有关于深度学习的基础知识的了解。并通过的百度飞桨平台进行简单的入门的试验。以及后面的深度学习更加升深入的了解和个人的理解。并在后期。本人将不断的更新文章的内容和知识。如果什么问题。请在下方留言和私信给我。
paddle 使用GPU
qq_31034951的博客
09-29 1万+
paddle paddle 中使用gpu训练 记录一下 使用paddle的device的get和set来获取和设置 import paddle print(paddle.device.get_device()) 如果有gpu的话运行结果如下： 之后在代码开始位置按照设备名通过set_device()方法设置设备即可： paddle.device.set_device('gpu:0') # 把get—device的结果直接复制进去 # 之后就可以正常运行其他内容，如 model = MNIST() t
PaddleOCR环境搭建、模型训练、推理、部署全流程（Ubuntu系统）_随记1
m0_60657960的博客
03-27 1万+
包含数码管、液晶屏、车牌、高精度SVTR模型、手写体识别等。，覆盖通用，制造、金融、交通行业的主要OCR垂类应用。
paddle安装教程（gpu）（cpu）
qq_63034152的博客
06-13 1万+
创建所需新conda环境：conda create -n name python=3.9(python版本自己指定)例如：conda create -n paddle python=3.9。打开Anaconda Powershell Prompt。再输入paddle.utils.run_check()进行验证是否安装成功。输入命令切换环境命令： conda activate paddle。安装完成后，输入python进入编译环境。输入y，继续，新环境创建成功。二，进入命令行窗口，开始安装。
PaddlePaddle笔记1-搭建环境
zj850324的博客
12-01 1127
1，安装anaconda 参考：Windows10下安装Anaconda3(64位)详细过程_CoderYYN-优快云博客_windows安装anacondaWindows10下安装Anaconda3(64位)详细过程Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。里面所包含的Jupyter Notebook是数据挖掘领域中最热门的工具。(例如Kaggle网站) 废话不多说，现在我们开始来安装Anaconda3。环境： Windows1
Pytorch/TensorFlow/Paddle深度学习框架安装(GPU版本)
QuanSirX的博客
04-18 5965
Pytorch/TensorFlow/Paddle深度学习框架安装(GPU版本) 一、简介 &nbspPytorch、TensorFlow都是著名的深度学习平台，Paddle也是。Pytorch、TensorFlow很显然在国内外都很受欢迎的，学习难度是TensorFlow大于Pytorch，随着TensorFlow的发展趋势，现在学习难度已经大大降低了很多，逐渐与Pytorch持平，Pytorch、TensorFlow各有千秋，任选一个学习都没问题。这里提一提的是TensorFlow1.x版本和T
paddlepaddle环境搭建及安装
甜崽超甜的博客
08-23 1万+
输入命令【conda env list】查看当前存在的环境，正常情况下只会出现名为【base】默认的主环境（我这里因为已经装好了，所以会显示我自己安装的其余环境）（安装方式可以选择conda或者pip，因为我11.8的cuda没有对应的conda命令，所以我这里选择pip的安装方式）3.查看paddle版本，输入【import paddle】【paddle.utils.run_check()】，选择对应的版本，复制安装命令，粘贴到刚才激活好的paddle命令框中。二、paddlepaddle环境安装。
PaddlePaddle 深度学习环境搭建
qq_45801780的博客
07-29 482
飞桨深度学习环境搭建
paddle在本地创建环境
windysky0v0的博客
05-08 316
paddle在本地创建环境 之前在使用paddle复现网上的一个工程，为了图方便就使用了cpu版本的paddlepaddle。安装的过程中，我一开始是直接在pycharm里面直接下载，但出现了以下错误，（由于计算机积极拒绝。。。） 所以下载的时候建议在cmd界面，用以下网址的指令进行下载 https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/windows-pip.html 虽然下载
paddlepaddle-gpu安装
DYF的博客
04-20 6111
paddlepaddle-gpu安装
atuoDl 搭建paddlehub
10-25
<think>嗯，用户想用AutoDL平台搭建PaddleHub环境，这需求很明确。从引用内容看，用户之前接触过AutoDL的基础操作和PyTorch环境搭建，但PaddlePaddle生态的部署可能有差异。 用户提到的引用[1][2]提供了关键信息：AutoDL支持远程连接（特别是PyCharm+XShell组合），引用[3]则说明镜像选择的重要性。不过这些引用都是PyTorch案例，需要转化为PaddlePaddle方案。 核心难点应该是镜像选择，因为AutoDL官方可能没预装Paddle的镜像。想到两种方案：要么用Ubuntu基础镜像手动装Paddle，要么找社区提供的预装镜像。考虑到用户要快速部署，优先推荐第二种方案。 突然注意到用户拼错了"atuoDl"，但结合上下文能确定是AutoDL。用户目标明确——搭建PaddleHub，说明要做迁移学习或预模型应用。ta特意强调"详细步骤"，可能缺乏Linux和云平台经验，需要把操作分解得更细。 准备在回复中补充两个易错点：一是公有镜像仓库的地址拼接方法（用户容易漏registry前缀），二是端口转发的必要性（调试Web应用时会卡住）。用户没提具体任务，但PaddleHub常用于CV/NLP，结尾可以留个扩展问题接口。 </think>以下是基于AutoDL平台搭建PaddleHub环境的详细步骤，结合平台特性优化操作流程： ### 1️⃣ **创建实例 & 选择镜像** - 登录AutoDL控制台 → 「容器实例」→「租用新实例」 - **关键配置**： ```bash 显卡：按需选择（如RTX 3090） 镜像：搜索并选择「基础镜像」→ Ubuntu 20.04（推荐） 硬盘：至少50GB（PaddleHub依赖库较大） ``` > 💡 *若镜像市场有预装Paddle的镜像（如`registry.cn-beijing.aliyuncs.com/autodl-images/paddle`），可直接选用* ### 2️⃣ **连接实例** - 复制SSH命令（格式如：`ssh -p 端口号 root@region-1.autodl.com`） - **本地终端执行**： ```bash # 替换为您的实际端口号和地址 ssh -p 44562 root@region-1.autodl.com ``` ### 3️⃣ **安装PaddlePaddle & PaddleHub** - 更新系统并安装依赖： ```bash apt update && apt install -y python3-pip libgl1 libglib2.0-0 ``` - **安装PaddlePaddle（GPU版）**： ```bash python3 -m pip install paddlepaddle-gpu==2.5.1.post117 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html ``` - **安装PaddleHub**： ```bash pip install paddlehub==2.1.0 ``` ### 4️⃣ **验证安装** ```bash # 启动Python环境 python3 ``` ```python >>> import paddle >>> paddle.utils.run_check() # 应显示"PaddlePaddle is installed successfully!" >>> import paddlehub as hub >>> hub.Version # 查看版本（应显示2.1.0） ``` ### 5️⃣ **PyCharm远程连接（可选）** 1. **配置SFTP**： - `Tools > Deployment > Configuration` → `SFTP`类型 - 填写主机(`region-1.autodl.com`)、端口、用户名(`root`)、密码（控制台查看） 2. **映射路径**： - `Local Path`：本地项目目录 - `Remote Path`：`/root/您的项目名` 3. **Python解释器**： - 添加`SSH Interpreter` → 选择上述SFTP配置 - 解释器路径填写：`/root/miniconda3/bin/python`（或`/usr/bin/python3`） ### ⚠️ 常见问题解决 - **CUDA版本不匹配**：AutoDL环境默认CUDA 11.7，需安装`paddlepaddle-gpu==2.5.1.post117` - **硬盘不足**：安装前执行 `du -h --max-depth=1` 检查空间，必要时扩容 - **依赖冲突**：建议使用虚拟环境 `python3 -m venv paddle_env && source paddle_env/bin/activate` --- ### 📚 示例：运行PaddleHub模型 ```python import paddlehub as hub # 加载图像分类模型 model = hub.Module(name="resnet50_vd_imagenet") result = model.predict(["test.jpg"]) print(result) ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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

打赏作者

GUAPOchen

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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