一文搞懂模型环境配置（pytorch、windows）

最新推荐文章于 2025-01-17 15:59:33 发布
最新推荐文章于 2025-01-17 15:59:33 发布
阅读量888 收藏 10
点赞数 14
CC 4.0 BY-SA版权
文章标签： pytorch 人工智能 python
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。
本文链接：https://blog.youkuaiyun.com/instersight/article/details/142568082

简介

很多小白开始跑深度学习的时候都会有一个疑问：我从github上clone的项目怎么跑不了？

本文讲述的就是如何进行相应项目的环境配置（pytorch）

虚拟环境

对于不同的项目，我们需要用到不同的依赖和环境，有时还需要同一库的不同版本，难道每次跑都要重装吗？

当然不是，我们通过为不同项目创建不同环境来解决。

在python中创建环境有下面几个方式

【Python】创建虚拟环境的四种方式（venv | pipenv | conda | poetry）_创建python虚拟环境-优快云博客

PyTorch

在创建好虚拟环境后，我们切换到虚拟环境，这时候对于依赖库的安装都是针对这个环境而言的。

pytorch拥有cpu版本和gpu版本，gpu版本需要安装cuda加速

cpu版本可以直接通过

pip install torch

来安装,而gpu版本则要通过官网获取安装命令。

我们首先进入到pytorch中文

PyTorch - PyTorch 中文

然后往下滑到这个界面，在这里就可以选择相应的版本

如果需要安装以前的版本（当前时间2024.9.26，指2.4以前），则点击上方“安装以前版本的pytorch”

往下滑找到相应版本的安装指令（在cmd或者powershell中使用）。

CUDA

如果pytorch安装的是gpu的版本，我们还需要安装cuda。

进入官网

NVIDIA Developer

在右上角搜索版本号

点击进入相应下载界面

按照提示选择完后点击下载即可。

这里有一个问题：python版本和torch版本都可以通过切换虚拟环境实现，但是cuda是外部计算平台，我们如何切换不同的版本呢？

我们通过修改环境变量中的地址实现切换。

比如说这里有两个cuda的版本

我在命令行中查看现在使用的版本为12.0

在搜索栏中输入环境变量

点击环境变量

找到CUDA_PATH,将12.0修改为11.8（在安装时需要命好名）

找到path变量打开

将11.8上移到12.0前，path变量主要是告诉系统可执行文件在哪里，搜寻可执行文件会从上到下寻找，而其他环境变量的作用是告诉依赖库的位置

点击确定后重新打开命令行

切换成功

instersight
关注
大模型应用研发基础环境配置（Miniconda、Python、Jupyter Lab、Ollama等）
老牛啊
06-25 2775
大模型应用研发的第一步，就是研发环境的配置，好的工具和环境是提升研发效率的关键，最基础的配置包括Miniconda包管理器、Python SDK、Jupyter Lab WebIDE、Node.js SDK、Ollama本地模型管理器、Ollama WebUI可视化对话界面等……
001-Windows下PyTorch极简开发环境配置
ahhjian的专栏
03-22 537
本节介绍Windows系统下配置一套基于Pytorch框架的极简深度学习开发环境。
Pytorch 在window 上训模型流程
qq_40323742的博客
09-02 868
使用torch.nn模块来定义你的神经网络模型。return x以上步骤涵盖了在 Windows 上使用 PyTorch 训练模型的基本流程。每一步都有详细的代码示例，帮助你从数据准备到模型评估的整个过程。
windows系统pytorch安装与配置（相关环境已部署）
mw的博客
11-20 3317
pytorch是一个用于机器学习和深度学习的开源框架，它采用动态计算图的方式，以下是在windows系统下，安装pytorch以及部署环境！
windows下安装pytorch
qq_41025698的博客
10-08 2462
社区版本开源，专业版对学生也是免费的，但需要学生认证，需要教育邮箱（现在Github上注册账号，把学生认证完成，拿到开发者包，包里就提供了PyCharm专业版，但社区版就足够了）-----------------------------------完结，撒花-----------------------------------------------该步骤主要是了解自己电脑的配置，根据自己电脑的配置下载安装与之匹配的环境。你觉得你有，但任务管理器上没有 ，有可能是你没装。创作不易，还请多多支持！
第三章：AI大模型的开发环境搭建3.3 开发环境配置3.3.1 本地环境配置
AI天才研究院
01-23 1099
1.背景介绍 1. 背景介绍 在过去的几年里，人工智能(AI)技术的发展迅速，许多大型AI模型已经取得了令人印象深刻的成功。这些模型，如GPT-3、BERT、DALL-E等，需要大量的计算资源和数据来训练。因此，搭建一个合适的开发环境至关重要。本章将讨论如何搭建AI大模型的开发环境，以及如何配置本地环境。 2. 核心概念与联系 在搭建AI大模型开发环境时，需要了解一些核心概念。这些概念包括...
一文搞懂Q-learning与Pytorch应用
AI心易行者
08-07 655
强化学习，简单来说，就是通过不断尝试与环境交互，学习最优行为策略的过程。其中，Q-learning作为一种无模型的强化学习方法，特别擅长解决基于状态和动作的选择问题。它利用Q表（或称为Q函数）来评估在给定状态下采取某一行动的长期回报，进而引导策略的优化。任何学习过程都离不开一系列超参数的设定，Q-learning也不例外。我们需要合理配置学习率、折扣因子、探索策略等参数，以便算法在探索与利用之间找到平衡。gamma = 0.99 # 折扣因子epsilon = 1.0 # 初始探索率。
《一文读懂PyTorch核心模块：开启深度学习之旅》：此文为AI自动生成
zheng_ruiguo的专栏
01-02 1408
PyTorch 的核心模块宛如一座宏伟建筑的基石，它们相互协作，共同支撑起深度学习模型从构建、训练到部署的整个流程。这些模块涵盖了张量运算、神经网络构建、优化算法、数据处理等多个关键领域，每一个模块都发挥着不可或缺的作用。
一文搞定Pytorch保存和加载模型、pt转换ONNX
qq_43448134的博客
09-10 2498
目录一、初探卷积神经网络二、torch保存模型2.1 torch保存完整模型（包括网络结构和权重参数）2.2 torch仅仅保存权重三、torch加载模型三、torch pt文件转onnx3.1 加载完整pt文件并转换onnx3.2 加载权重pt文件并转换定义一个简单的卷积神经网络： 输出结果： 可以看出来，此时的model是一个自定义的ConvTestNet 类，其父类是 （ PyTorch 中所有神经网络模块的基类），model对象此时有自身（conv1', 'conv2）和来自父类的属性（st
一文读懂：Keras、TensorFlow、PyTorch 科研服务器配置要求对比
mike_leeso的博客
01-17 1004
CPU 负责数据预处理等任务，内存影响模型训练稳定性，GPU 是深度学习训练的加速关键，磁盘要存储大量数据，操作系统影响框架运行，网络在团队协作或分布式训练时至关重要。灵活性高，可在多个平台运行，支持多种编程语言，所以在工业界的大规模应用里表现优异，像谷歌的语音识别、图像搜索产品都用到了它。的 API 简洁，新手容易上手，适合快速搭建模型做原型验证，简单图像分类任务中，能快速构建并验证思路，很适合初学者。在团队协作或分布式训练时，三者都需要千兆或万兆以太网，保证数据快速传输，避免网络延迟影响训练效率。
Ubuntu搭建Pytorch环境（Anaconda、Cuda、cuDNN、Pytorch、Python、Pycharm、Jupyter）
热门推荐
funfan的博客
07-20 1万+
Ubuntu搭建Pytorch环境（Anconda、Cuda、Pytorch、Python、Pycharm、Jupyter）
Window10下Pytorch安装方法
qq_18820125的博客
07-23 1035
Pytorch安装方法 进入官网，网址为：地址 根据自己的安装方式、操作系统、python版本选择，下面会自动生成相应的命令行命令： 打开命令行，把命令粘贴上，运行即可 输入python命令，进入python命令模式，键入： import torch print(torch.__version__) 如果显示版本号，即成功安装，如下图所示： 配置完成，有问题多交流 ...
【GPU版】Windows下PyTorch入门深度学习环境安装与配置
m0_51448653的博客
09-15 1405
如果电脑有NVIDIA GPU显卡，看【GPU版本】；否则，看【CPU版本】
windows系统安装pytorch(python)详细过程
xlxlqqq的博客
06-07 2249
pytorch和tensorflow是当前深度学习最重要的两种框架，目前来看，不论是哪一种深度学习模型，都采用了二者中的一种来实现网络模型，开源代码也一般也会有Tensorflow和Pytorch两种版本。这篇文章主要记录我在安装pytorch深度学习框架的过程，作为日志，希望也能帮到正在阅读文章的你。
Windows系统搭建Pytorch深度学习本地环境
乐观的lishan的博客
11-13 6220
本文详细介绍了如何在本地搭建Pytorch的深度学习环境
2024年Pytorch + CUDA配置教程（Windows版）手把手教学，详细讲解
m0_65482549的博客
08-15 7873
请注意，由于PyTorch和其依赖项（如CUDA、cuDNN）会不断更新，因此安装过程中可能需要参考最新的官方文档和指南。​。
bert模型环境搭建以及运行
z18769643585的博客
06-30 2169
bert模型搭建
本地跑大模型，需要什么配置
m0_59163425的博客
05-20 1万+
在自己的电脑上跑大模型，到底需要多高的配置？很多小伙伴私信问我这个问题。本期视频我就统一给大家一个答案。不过在此之前，有个问题先得回答一下：ChatGPT用得好好的，为什么要在本地电脑上折腾这些开源大模型或者开源项目？很简单，三个原因：第一、运行更稳，速度更快，还不花钱。过去一年，订阅ChatGPT Plus，以及使用API的费用加在一起，我应该给OpenAI贡献了大几百美金。但是，我对他们的服务器是非常不满意的，经常掉链子。开始我还以为是我的代码有问题，或者是我网络有问题。
【pytorch】新的windows电脑从头搭建pytorch深度学习环境（完整版+附安装包）
一个CV小白的博客
06-17 5831
新电脑配置pytorch深度学习环境，附录有安装包哦
一文读懂pytorch框架
最新发布
03-13
### PyTorch框架入门教程 #### 创建兼容的Python环境 为了顺利使用PyTorch，建议在Python 3.6或更高版本环境中工作。为每个项目建立独立的虚拟环境有助于防止不同软件包间的冲突[^1]。 #### 安装PyTorch 安装可以通过官方文档推荐的方式完成，通常包括通过Anaconda或者pip工具来获取最新稳定版的PyTorch。对于特定硬件配置（如CUDA版本），应选择相匹配的安装命令。 #### 初识张量(Tensor) 张量是PyTorch中的基本数据结构，类似于NumPy数组但具有更强大的功能，特别是能够利用GPU加速运算。创建简单的一维或多维张量非常直观： ```python import torch # 创建一个未初始化的2×3张量 x = torch.empty(2, 3) # 创建全零矩阵 y = torch.zeros(2, 3) # 使用随机数填充新张量 z = torch.rand(2, 3) ``` #### 动态计算图 不同于某些其他深度学习平台使用的静态计算图定义方式，PyTorch采用了更加灵活的动态计算图机制。这意味着可以在运行时构建并修改计算过程，这使得调试更容易也更适合快速原型开发[^2]。 #### 自动求导(Autograd) 自动微分是现代深度学习不可或缺的一部分。PyTorch内置了`autograd`模块用于追踪所有操作，并能自动生成梯度以便后续优化参数。只需设置`.requires_grad=True`即可开启跟踪模式： ```python a = torch.ones(2, requires_grad=True) b = a + 3 c = b.sum() c.backward() # 计算梯度 print(a.grad) # 输出a相对于最终结果c的偏导数值 ``` #### 转置操作 当处理二维张量时，可能需要用到转置函数`t()`来进行行列互换的操作，其效果等同于调用`torch.transpose(input,0,1)`方法[^4]。 #### 构建模型 借助于`nn.Module`类及其子组件，可以方便地搭建各种类型的神经网络架构。每一层都可以作为一个单独的对象实例化，并组合成完整的前向传播路径。 ```python class Net(torch.nn.Module): def __init__(self): super().__init__() self.fc1 = torch.nn.Linear(in_features=784, out_features=500) self.fc2 = torch.nn.Linear(in_features=500, out_features=10) def forward(self, x): x = torch.relu(self.fc1(x)) x = self.fc2(x) return x ```
评论
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