conda虚拟环境安装pytorch+tensorboardX可视化工具

pytorch使用tensorboard可视化loss、acc 解决方法可以直接看最后,中间都是我自己踩的一些坑 2021.7.28 完成密封圈训练报告 将模型的train_acc、val_acc、loss以可视化的方法画出来 安装tensorboard Pip install tensorboard 将acc以及loss写入文件夹内 with open("loss.txt","a+") as f: f.write(a+"\n") f.close() 问题: 修改方法: 问题: 修改方法:TensorFl.. 阅读详情

安装要求:

pytorch没有tensorflow那样具有tensorboard可视化工具,在pytorch中想要进行可视化可以调用tensorboardX,具体的调用与tensorboard类似,因此需要的安装包如下:
1、pytorch=1.2、torchvision=0.4.0、cudatoolkit=10.0.130
2、tensorflow-gpu=1.15(有显卡安装gpu版,无显卡安装cpu版)
3、tensorboardX=1.14
上面的版本只是博主自己机器上安装的版本,想要安装其他版本的可以在相应官网上查找对应的版本。


版本对应:

对于gpu版最重要的是cuda版本的选择,因为pytorch和tensorflow都要跟cuda版本对应,选择适合的cuda版本然后到pytorch和tensorflow官网查找对应的版本下载即可,tensorboardX选择1.14是因为默认安装的是2.1版本,调用2.1版本会老是出问题。
pytorch的官网:

https://pytorch.org/

tensorflow版本对应表:

https://tensorflow.google.cn/install/source_windows

在这里插入图片描述


安装顺序:

1、创建conda虚拟环境:
为了便于管理,一般创建conda虚拟环境用于安装各种安装包,安装、激活、关闭、删除环境命令如下:

conda create -n envname python=3.6
activate envname
deactivate
conda remove -n envname --all

其中envname为自定义的conda虚拟环境,改为自己想要安装的虚拟环境名称即可,python版本可以改为自己想要的版本。

2、pytorch、torchvision、cuda安装命令:

conda install -n envname pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch

脱坑指南:
<1>直接进入pytorch官网选择对应的版本会显示安装命令,复制到终端安装即可,不用自行安装cuda什么的,上面的指令会直接在对应的虚拟环境下安装对应的cuda;
<2>在官网首页找不到想要的版本可以进入下面的网页查找想要的版本:

https://pytorch.org/get-started/previous-versions/

<3>conda命令安装pytorch太慢可以在conda添加清华源,再将安装命令中的-c pytorch删掉,因为-c pytorch是从官网下载会比较慢。

3、tensorflow安装命令:

conda install -n envname tensorflow-gpu=1.15

脱坑指南:
有些教程用pip命令安装,博主一开始也用pip命令安装,但老是会出各种各样奇怪的问题,后来全部用conda install -n envname命令安装就没出过问题了,应该是安装包依赖以及安装包位置的问题。
4、tensorflowX安装命令:

conda install -n envname tensorboardX=1.14

脱坑指南:
未指定tensorboardX的版本直接安装会出现各种问题,因为默认安装的是tensorboardX=2.1版本,降为1.14版本就可以了。

测试:

安装完tensorboardX之后,用以下命令测试即可,具体的使用可以查看tensorboardX可视化教程,与tensorboard比较类似。

from tensorboardX import SummaryWriter
writer=SummaryWriter()
PyTorch项目里想用TensorBoard看训练曲线?除了pip install,你可能还得搞定这两个依赖 本文详细介绍了在PyTorch项目中集成TensorBoard的完整实践指南,包括环境配置、依赖冲突排查和高级功能实现。针对常见的ModuleNotFoundError问题,提供了虚拟环境管理和conda依赖解决方案,帮助开发者高效监控训练曲线和模型性能。 阅读详情

相关推荐

Linux下PyTorch深度学习环境搭建与CUDA版本匹配实操

深度学习模型训练依赖高效的GPU计算,而PyTorch作为主流框架,其环境配置看似简单却常因驱动与CUDA版本不匹配、包管理混乱等问题卡壳。无论Ubuntu还是Windows,环境搭建的核心在于理解软件源、虚拟环境和显卡驱动之间的协作关系。掌握Anaconda的目录权限处理、nvidia-smi驱动的版本解读,以及conda环境隔离等基础技能,能显著减少环境故障。这些技术适用于开发者和研究者日常模型调试、实验复现等场景。基于实际验证路径,系统拆解Linux下PyTorch环境搭建中的关键步骤,从镜像源替换到

weixin_29054399的博客 251

(2022.4)安装并启动Tensorboard

在Anaconda的环境下安装Tensorboard,以及启动查看的教程,适合初学者学习。

weixin_42496865的博客 5721

深入解析USBlyzer抓包工具:从设备描述符到数据交互实战

本文深入解析了USBlyzer抓包工具在USB协议分析中的应用。从设备描述符的抓取与解读,到设置地址、配置描述符的实战分析,再到数据交互阶段的抓包技巧,文章通过具体案例详细展示了如何使用USBlyzer透视USB总线通信,是排查设备驱动问题、逆向分析通信协议和学习USB规范的实用指南。

weixin_29171087的博客 741

conda 装tensorboardx_在pytorch下使用tensorboardX(win10;谷歌浏览器;jupyter notebook)

使用环境:win10 ,在jupyter notebook下运行 谷歌浏览器1、环境安装使用conda 安装,打开anacond powershell,输入pip install tensorboard ,然后安装pip install tensorflow2、使用操作在终端或者环境命令行下,打开程序所在目录,使用shift+右键进入cmd,输入jupyter notebook,进入环境,打开程序...

weixin_42493060的博客 902

信号处理中的滤波器的阶数和谐波的理解

最近在读paper的时候,遇到了一些以前遗忘的问题,先重新查找,记录在这里,以备不时之查看。 我相信一定有小伙伴跟我有过一样的疑惑,那就是我们在使用滤波器的时候,总是遇到滤波器的阶数这个概念参数,我们很多都是根据别的paper里的设置,设置自己的科研参数,其实并不是很理解其中的含义: 其实我们常用的阶数N的意思是: 滤波器的阶数,就是指过滤谐波的次数,一般来讲,同样的滤波器,其阶

Miracle.Zhao的博客 2万+

clumsy一款模拟弱网的工具

利用封装 Winodws Filtering Platform 的WinDivert 库, clumsy 能实时的将系统接收和发出的网络数据包拦截下来,人工的造成延迟,掉包和篡改操作后再进行发送。无论你是要重现网络异常造成的程序错误,还是评估你的应用程序在不良网络状况下的表现,clumsy 都能让你在不需要额外添加代码的情况下,在系统层次帮你达到想要的效果。

klb5555的专栏 2551

conda 装tensorboardx_Pytorch数据可视化:TensorboardX安装及使用(安装测试+实例演示)...

数据可视化:TensorboardX安装及使用tensorboard作为Tensorflow中强大的可视化工具:https://github.com/tensorflow/tensorboard,已经被广泛使用但针对其他框架,例如Pytorch,之前一直没有这么好的可视化工具可用,好在目前Pytorch也可以支持Tensorboard了,那就是通过使用tensorboardX,真是Pytorche...

weixin_31000553的博客 2482

如何用SoulChat2.0快速克隆你的心理咨询师?手把手教你搭建AI数字孪生体

本文详细介绍了如何利用SoulChat2.0框架快速构建心理咨询师的AI数字孪生体。通过其核心PsyDT技术,仅需少量真实案例即可合成风格数据并微调大模型,从而低成本地创建能高度模仿特定咨询师语言风格和专业技术的AI分身,适用于预约访谈、心理教育等辅助场景,实现高效的人机协作。

julia4scientist的博客 978

conda 装tensorboardx_pytorch下使用tensorboardX进行可视化

pytorch==1.10版本下尝试各种方法,终于安装成功tensorboardX。记录下,以便来日再看。出现问题:首先在conda构建好的虚拟环境下已经安装好pytorch==1.10版本,python3.5环境下。使用网上的教程:pip install tensorflowpip install tensorboardX这样安装的是tensorflow==2.0的版本(默认安装tensorfl...

weixin_42501270的博客 1850

ADS中使用Momentum进行电源完整性分析示例

这个应用可以帮助工程师用更快的时间使用ADS Momentum完成PDN分析。该应用描述了利用ADS Momentum RF模拟器进行PDN分析的方法,大大缩短了计算时间。 该分析主要应用与高速数字设计。 在此应用中使用了以下ADS特性: ADS设计流程集成(ADFI)。 电磁协同仿真。 Momentum仿真。 仿真流程如下: 在Allegro中创建ADFI文件 要将Alleg...

zb6075_lb的专栏 7010

RH850系列芯片深度剖析 1.5-链接(ld)文件解析

基础编译过程分为四个阶段:预处理(Preprocessing)、编译(Compilation)、汇编(Assembly)、链接(Linking)。执行这四个阶段的程序(预处理器、编译器、汇编器、和链接器)一起构成了编译系统。CONSTANTS接下来的内存空间定义部分会使用这些常量来定义内存空间的范围,理论上来说不定义常量也没有影响,直接用魔鬼数字代替,定义常量的主要目的就是方便理解以及方便修改;从示例中可以看出,常量的值可以为16进制或者10十进制,而且10进制支持数量级单位(k级,M级);

本博客专注于嵌入式软件领域技术分享。 1430

TensorBoard详解之安装使用和介绍

tensorboard --logdir=路径该方式为tensorboard文件的生成之后,在命令行调用该文件,获得tensorboard网址(前面已介绍)该函数为创建一个tensorboard文件,调用方式为:该函数为创建Graphs,Graphs中存放了网络结构,

Alexa_的博客 1万+

软考高级系统架构设计师历年论文真题深度分析(2011-2025)

本文系统分析了2011-2025年系统架构设计师论文真题,归纳出十大主题类别,包括架构风格、企业集成、数据技术、非功能属性等。研究发现新兴技术占比最高(18.8%),企业集成、数据架构和非功能属性为三大核心考点。论文命题呈现明显技术演进特征,从经典架构理论逐步转向云原生、AI融合等前沿方向。备考建议重点关注高频考点和技术前沿,同时强化场景化解决方案能力。分析表明,架构师考试持续跟踪行业技术发展,注重理论与实践结合,为考生提供了明确的备考方向。

一几文的编程学习笔记。 2048

pytorch下使用tensorboardX进行可视化

pytorch==1.10版本下尝试各种方法,终于安装成功tensorboardX。记录下,以便来日再看。 出现问题: 首先在conda构建好的虚拟环境下已经安装好pytorch==1.10版本,python3.5环境下。使用网上的教程: pip install tensorflow pip install tensorboa...

qq_21872981的博客 706

Unity Sprite Atlas C++底层原理全解析 —— “像素聚合工厂”的秘密

Unity Sprite Atlas C++底层实现简析 Sprite Atlas是Unity中用于优化2D渲染性能的核心机制,其C++底层实现如同一个高效的"像素聚合工厂"。该系统通过将多个小纹理合并为一个大纹理,显著减少Draw Call次数和GPU纹理切换开销。 在数据结构上,底层采用SpriteAtlasData存储图集元数据,PackedTexture管理合并后的大纹理,SpriteFrame记录每个子精灵的位置信息,并通过哈希表实现快速查找。编辑器阶段使用最大矩形等算法优化空

本博客聚焦游戏开发技巧、创业实战心得及大学热门课程干货。这里既有技术深度,也有思维广度,无论你是开发者、创业者还是高校学子,都能在这里找到适合自己的成长之路! 204

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

服务器配置个人深度学习环境(Conda + Pytorch-GPU)

实验室的深度学习服务器通常多个学生公用,通常是采用分用户配合conda虚拟环境管理的方式来实现环境的独立和互不干扰。接下来介绍一下在分到一个新的服务器账户后,配置自己的个人环境。 一、安装Aanaconda 二、建立虚拟环境 三、安装Pytorch及其他常用库 ...

冬泉谷 6295

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

pytorch使用tensorflowboardx进行观察

@pytorch使用tensorflowboardx进行观察 安装pytorch后跑神经网络代码 两个机器,或者一个足以,使用anaconda安装了不同的环境, 第一个是在CPU上跑的pytorch,conda虚拟环境就叫pytorch,我是复制了一个这样的环境然后进行的操作先试试水 另一个是GPU版的,conda虚拟环境叫pytorch_gpu, (复制环境的命令,conda create -n...

gwb281386172的博客 463

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

pytorch相关可视化内容--tensorboardX

pytorch相关可视化内容--tensorboardX

turndown's blog 590

在linux 系统下配置深度学习-计算机视觉所需环境

小白菜配环境@在linux 系统下配置深度学习-计算机视觉所需环境。

Cathy_1996的博客 1540

MixMatch-pytorch 环境搭建终极指南:从 Python 到 PyTorch 一次配置成功

MixMatch-pytorch 是一个基于 PyTorch 实现的半监督学习框架,完整复现了 Google 论文《MixMatch: A Holistic Approach to Semi-Supervised Learning》的核心算法,仅用 250 张标注图片就能在 CIFAR-10 上达到 88% 以上的准确率。本文是一份面向新手的 MixMatch-pytorch 环境搭建终极指南,从

gitblog_00443的博客 404

深度学习环境配置

对于入门深度学习的新手来说,配置环境是件让人头疼的事情,今天总结一下Linux服务器配置环境的流程。 1.安装cuda和cudnn 这个之前博客有写过,见下面链接 Linux无root无sudo权限在用户目录安装cuda9.2和cudnn7.1 2.安装anaconda # install conda create -n myenv python=3.5 anaconda # activate e...

公众号/知乎: AI算法札记,欢迎关注交流 1227

怎么在Windows装WSA安卓子系统:3步跑通

想在 Windows 上直接打开安卓应用?**WSABuilds** 是免费的 WSA 安卓子系统预构建包,自带 Google Play 商店与 Magisk root。3 步完成 WSA 安装,安卓应用即可直接运行。 ## WSA 安装完成后你能做什么 - **运行安卓应用**:WSA 窗口就是一个安卓环境,应用装进去即可用,不用自己搭虚拟机或模拟器。 - **装 Google Play 商

gitblog_00592的博客 1001

PyTorch环境搭建全攻略:从CUDA版本匹配到依赖库管理

深度学习环境配置是AI工程实践的基础环节,其核心在于构建稳定、可复现的计算工作流。环境隔离与依赖管理是其中的关键原理,通过创建独立的Python环境(如使用Conda)可以有效解决不同项目间的库版本冲突问题。这一技术实践的价值在于提升开发效率、确保实验可复现性,并降低团队协作成本。在PyTorch等主流框架的应用场景中,环境配置尤其涉及CUDA版本与显卡驱动的精确匹配,以及NumPy、Pandas等数据处理库的协同安装。本文聚焦于PyTorch环境的健壮搭建,详细解析了如何通过Anaconda/Minifo

weixin_30252709的博客 396

项目开发使用教程和常见问题和解决方法(cuda cudnn安装教程)

深度学习模型算法比较复杂,如果使用CPU计算,速度会很慢,因而需要使用GPU进行并行计算加速。深度学习框架,如Pytorch,TensorFlow都支持GPU训练,使用GPU设备需要显卡的支持,比如常见1080显卡,2070显卡等,同时需要安装对应的显卡驱动,以及CUDA和cuDNN库。其中-i后面的网址,表示安装包的下载地址,国内pip安装速度慢,可以使用-i指定镜像源,加快安装速度。其中-i后面的网址,表示安装包的下载地址,国内pip安装速度慢,可以使用-i指定镜像源,加快安装速度。

AI吃大瓜的博客 1万+

windows tensorboard命令行not found问题解决

tensorboard是用来可视化深度学习数据的工具(tensorflow) tensorboardX相当于是从tensorflow迁移过来的一个可视化工具(pytorch) 不管是哪个,都需要在命令行输入 tensorboard --logdir=PATH来启动网页的可视化页面 下面给出的是在cmd执行tensorboard not found的问题的解决方法 首先找到自己python环境下的scripts文件路径,我是用的conda,路径为D:\Program Files (x86)\Con..

王忠的博客 1375

10 分钟快速上手 SAN:图像识别自注意力网络环境搭建与训练教程

探索自注意力机制在图像识别中的终极应用!SAN(Self-attention Network)是CVPR2020提出的创新图像识别网络,通过自注意力模块实现了比传统卷积网络更高效的图像特征提取。这篇完整指南将带你快速完成SAN环境搭建、模型训练和测试,让你在10分钟内掌握这个强大的图像识别工具!🚀 ## 什么是SAN自注意力网络? SAN(Self-attention Network)是一种

gitblog_00165的博客 523
上一篇: 重装系统后Win10无故关机解决
下一篇: VSCode远程:一直在输入密码界面
StarCap
博客等级 码龄6年 115粉丝 19原创
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
 
 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
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