jupyter使用pytorch

1、激活环境

以下所有命令都在Anaconda Prompt中操作。

conda activate 环境名称

我的环境名称是myenv
请添加图片描述
如果不知道自己的pytorch配在哪个环境,就用下面方法挨个试。
在这里插入图片描述

2、安装jupyter

1、安装

pip install jupyter

在这里插入图片描述
2、如果已经安装,检查jupyter是否已经安装在此环境中

conda list 想要检查的包的名称

在这里插入图片描述

3、安装ipykernel

pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple

在这里插入图片描述

4、将torch环境加入jupyter内核

python -m ipykernel install --name 环境名称

在这里插入图片描述

5、修改juypter默认运行环境

1、先新建一个空白文件夹,文件夹名称自己起(我这里叫jupyterFiles)
请添加图片描述
2、查看jupyter配置文件地址

jupyter notebook --generate-config

根据文件生成路径找到generate-config文件,并打开
3、在已经打开的文件中,使用快捷键ctrl+f 搜索 The directory to use for notebooks。大概是984行上下,去除注释并添加你新建的文件夹地址。如下图

(这个图里的路径不是我的路径,我应该写成E:\DeepLearning\jupyterFiles)
请添加图片描述

6、运行jupyter

jupyter notebook

请添加图片描述

7、点击new 选择你的torch环境

在这里插入图片描述
测试

import torch
print(torch.cuda.is_available())

请添加图片描述

PyTorchJupyter Notebook是两个独立的工具,但它们常常一起使用来进行深度学习模型的开发和实验。让我分别介绍一下它们。 PyTorch是一个深度学习框架,用于构建和训练神经网络模型。你可以使用PyTorch编写Python代码来定义模型的结构、计算损失函数以及执行反向传播等操作。PyTorch提供了丰富的函数和类来处理张量操作、构建神经网络模型以及优化模型参数等。 Jupyter Notebook是一个交互式计算环境,它允许你在浏览器中创建和共享文档,结合代码、文本、图像以及其他多媒体内容。你可以在Jupyter Notebook中编写Python代码,并通过逐个单元格的方式执行代码。这种交互式的编程方式非常适合进行数据分析、模型开发和实验等任务。 当你使用PyTorch进行深度学习开发时,可以将PyTorch代码编写在Jupyter Notebook的代码单元格中,并逐个单元格地执行。这样可以方便地观察每个操作的输出结果,调试代码,并记录实验过程。同时,Jupyter Notebook还支持可视化和说明性文本,使得你可以更好地展示和分享你的工作。 总结起来,PyTorch是一个深度学习框架,用于构建和训练神经网络模型;而Jupyter Notebook是一个交互式计算环境,用于编写和执行代码,并结合文本和图像来记录实验过程。它们常常一起使用,提供了一个方便、灵活和可视化的开发环境。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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