深度学习-第一篇-环境搭建（离线）

最新推荐文章于 2025-10-17 20:54:01 发布
原创 最新推荐文章于 2025-10-17 20:54:01 发布 · 2.5k 阅读 · 10 ·
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：

#深度学习

本文详细介绍了如何在离线环境下，从安装win7+ubuntu16.04双系统开始，逐步配置英伟达显卡驱动、CUDA8.0、cuDNN6.0、Anaconda3、Tensorflow 1.4 GPU版本、Pycharm，以及可选的Keras和Pytorch。整个过程适用于没有网络连接的实验室机器。

深度学习-第一篇-环境搭建（离线）

       如果没有动手跑过网络，只看理论真的不算真正入门了DL。非常高兴，在2018年的年初，实验室终于配了一台带N卡的计算机。深度学习之旅可以开始了，撒花~

       先说说实验室机器的硬件配置：

型号规格

数量

CPU处理器：E5-2696V3 2.3GHz 18核

1

主板：超微X10DAI双路

1

内存：三星16G ECC REG

2

SSD：128GB

1

ST：2TB

1

显卡：华硕GTX1080TI-11G

1

机箱：塔式机箱

1
最低0.47元/天 解锁文章
深度学习-130-RAG技术之基于Anything LLM搭建本地私人知识库的应用策略问题总结(一)
qq_20466211的博客
02-25 840
您的 LLM 在提问时如何或为什么不使用您的文档。幸运的是，实际上解决起来很简单！这些方法不仅仅只适用于AnythingLLM。
我的开源项目——深度学习实验室
seaboat——a free boat on the sea.（公众号：远洋号）
07-05 1366
github https://github.com/sea-boat/DeepLearning-Lab DeepLearning-Lab rnn char test. seq2seq test. word2vec test. cross entropy test. bidirectional rnn test.
离线搭建深度学习环境
qq_38832757的博客
07-24 2658
离线搭建深度学习环境 文章目录离线搭建深度学习环境Anaconda3离线安装借助可联网PC下载安装包 有时我们需要在不可连接外网的计算机中配置深度学习环境，从而开展相关工作。 本文分享在无法连接外网的计算机中配置深度学习环境相关经验 Anaconda3离线安装 借助可联网PC下载安装包 官网下载 清华镜像 下载后通过ssh ...
Windows系统离线配置深度学习环境（CUDA+cudnn+pytorch）
qq_47905903的博客
05-09 2584
打开cuda的安装目录（根据自己的安装路径来）：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0，然后将cudnn解压后对应的文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0对应的cuda里。-d ./path的意思是将下载的文件存放到当前目录下的path文件夹里面，-i url的意思是从中科大镜像源下载文件。即为此驱动支持的最高版本的CUDA为10.2。
视觉入门篇——深度学习环境部署（ubuntu系统conda环境配置）
最新发布
In_moon_shadow的博客
10-17 1786
本文介绍了深度学习环境配置中的关键工具安装指南。首先详细讲解了PyCharm的安装与配置过程，包括社区版下载、解压安装、创建桌面快捷方式等步骤。接着重点介绍了三种Conda发行版（Anaconda、Miniconda、Miniforge）的特点和安装方法，其中Miniforge因其轻量化和更快的依赖解析速度被推荐使用。文章提供了清华源加速下载和GitHub镜像加速下载的技巧，并展示了通过终端命令完成安装和验证Python环境的完整流程。这些工具为后续深度学习开发提供了必要的环境支持。
离线部署深度学习环境Ubuntu篇
zhiliu的专栏
09-12 1134
引言 不采用docker, 以防拖慢速度. 打算部署PyTorch, Tensorflow 和 Keras框架. 版本选择 如何选择系统, CUDA, CUDNN, Tensorflow, Pytorch, Keras等版本呢? 首先看GPU, 一些新的GPU卡, 老的CUDA驱动和深度学习框架版本可能不支持, 性能无法发挥, 比如 这里. 对于新的显卡要尽量安装新版本的CUDA驱动和深度学习框架. 但由于有时要运行别人基于老版本框架开发的程序, 而新老版本的代码一般不兼容. 特别地, 对于Tensorfl
深度学习环境配置-离线
2403_89512086的博客
05-08 278
步骤二：使用 pip install 命令安装离线包。步骤三：安装完成后，刷新 Python 解释器的包列表，在 Python Interpreter 设置页面中，点击右上角的刷新图标，确认包已成功安装。步骤一：打开 PyCharm 的终端（View -> Tool Windows -> Terminal）。如果是 .tar.gz 或 .zip 格式的包，同样可以使用 pip install 命令，例如。b) 手动执行 pip 命令安装。离线环境下安装pytorch。Pytorch下载相应包。
一种为不联网(离线)电脑配置深度学习环境的方法
weixin_45482843的博客
09-11 3198
目标电脑为A，无法联网，但是硬件好，需要配置深度学习环境。家用电脑为B，可以联网，硬件条件仅满足日常办公。下面以Tensorflow为例，提供一种环境配置的思路。tensorflow也可以是pytorch等深度学习框架。
【深度学习】Linux完全离线搭建tensorflow_gpu环境详尽流程：RHLS7.8+cuda11.0+cudnn11.3+tensorflow_gpu2.6-cp38
baidu_39413110的博客
09-10 1891
【深度学习】Linux完全离线搭建tensorflow_gpu环境详尽流程：RHLS7.8+cuda11.0+cudnn11.3+tensorflow_gpu2.6-cp38一、查看操作系统二、安装gcc三、安装epel四、安装相应版本的kernel五、禁用nouveau六、安装cuda6.1 安装cuda6.2 环境变量配置6.3 测试是否安装成功七、安装NVIDIA驱动八、安装cudnn九、安装anaconda十、安装tensorflow_gpu十一、远程访问jupyter设置 一、查看操作系统 ca
服务器ubuntu18.04系统离线搭建深度学习环境
dui845819593的博客
04-19 495
工作中常常遇到离线安装环境依赖的问题，深度学习的服务器环境搭建还是第一次经历，记录下整个过程以防忘记。
《PyTorch中文手册》学习之路day1-pytorch简介和环境搭建
12-22
环境搭建是使用PyTorch的第一步。对于Windows 10用户，推荐使用Anaconda来管理Python环境。首先，你需要安装Anaconda，然后在Anaconda Prompt中创建一个新的环境，例如命名为`pytorch`，并指定Python版本为3.6。创建...
不联网电脑离线配置深度学习环境
qq_45790998的博客
03-04 641
温馨提示：不要妄想用一个个轮子文件pip install，很多包都有嵌套关系，这样很离线难配置好。打开conda的shell框，输入conda env list可以看到环境已经在了。cmd打开，conda --version进行验证，显示conda 4.9.2✓。配置好的虚拟环境（包含各种包）在文件夹evns下，移入B电脑相应路径下。将envs整个压缩打包好放入u盘移到B电脑上，解压到相同文件夹下。双击pycharm.exe安装即可，可安装在非C盘。用的是4.9.2版本，据说这个版本非常稳定。
windows离线环境配置tensorflow2_CPU版本.pdf
03-26
windows离线环境下通过拷贝安装包一步步配置tensorflow2 CPU版本 Tensorflow用了这么久，配置也是越来越简单了，通常tensorflow配置都可以通过pip install自动完成，但有些不可以连接互联网的情况下就得一点点从官网抠下来安装包，手动配置tf环境。本文就主要记录了一下win离线环境配置tf2的过程，坑也不多，主要自己记录一下，也希望别人可以方便一点。
pytorch离线安装_Pytorch深度学习环境搭建
weixin_39646725的博客
11-28 387
一、Conda安装如果可以很好的访问外网的话，跟着官方走准没错，执行绿色方框内命令即可但是国内下载一般都超级慢，可以尝试配置conda国内源，我试了清华源还是很慢配置方法添加conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels ...
离线状态下在服务器上部署深度学习所需python包和数据集
weixin_42279314的博客
11-10 1409
离线状态下在服务器上部署深度学习所需python包和数据集所解决问题解决python包的问题移植环境离线安装python包解决数据包的问题最终程序运行结果 所解决问题 最近，想在学校服务器上运行网络上其他人写的基于YOLOv3的目标识别程序，通过github得到了代码，但是遇到的问题是：学校的服务器是只能内网连接，无法通过Anaconda 的install命令或者pip命令去安装，其次，目前很多的github代码中数据集都是通过编写sh文件来在线获取，因此要想运行例子代码是需要解决以上两个问题。 解决pyt
在离线服务器上创建深度学习虚拟环境
步步心愿的博客
04-22 6723
在离线服务器上创建深度学习虚拟环境一、安装虚拟机1.虚拟机软件和Ubuntu下载链接2.注意事项二、Linux平台下Anaconda虚拟环境配置1. Anaconda安装2. 配置自己所需的深度学习环境3. 打包虚拟环境传送到服务器三、使用Pycharm远程连接服务器四、附赠：常用的conda虚拟环境相关命令参考博客 前言： 有些学校的服务器只能采用内网的方式进行访问，无法访问外界的互联网，所以环境所需的配置文件大多只能采用U盘拷贝或者ssh内网传送。 但是直接在离线的服务器上创建虚拟环境可能会出现一些问
服务器安装深度学习环境
Teng1996的博客
05-27 733
参考 https://zhuanlan.zhihu.com/p/44183691。 前面的步骤都可以成功。 当解压完cudnn后进行如下操作 $ sudo cp cuda/include/cudnn.h /usr/local/cuda/include $ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 $ sudo chmod a+r /usr...
ubutnu16.04配置深度学习环境问题（填坑）
xiaxuesong666的博客
09-29 1703
ImportError: /home/jason/anaconda2/bin/../lib/libstdc++.so.6: version `GLIBCXX_3.4.21’ not found (required by /home/jason/anaconda2/lib/python2.7/site-packages/cv2.so)打开终端输入命令：pip install opencv-python
CUDA 10.2与cuDNN配置指南：GPU加速深度学习环境搭建
CUDA 10.2 是 NVIDIA 推出的一个重要版本的并行计算平台和编程模型，广泛应用于深度学习、科学计算和高性能计算领域。...掌握此类环境配置技能，不仅是开展深度学习项目的第一步，更是理解底层硬件加速机制的重要起点。
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
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