PaddlePaddle、Pytorch、tensorflow的GPU版本快速安装。（无需本机CUDA与CuDNN）

已于 2024-09-10 09:55:11 修改
阅读量2.3k 收藏 22
点赞数 11
文章标签： 深度学习 paddlepaddle pytorch
于 2024-09-10 09:53:50 首次发布
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/qq_39650423/article/details/142082013
版权

本教程旨在教会同学们，快速安装各种深度学习框架，由于是教学，所以采用最简单的方式。无需在本机安装各种cuda与cudnn。保证你的电脑正常安装了Nvidia显卡驱动即可。

准备：

你需要学会使用anaconda并理解它，学会在里面创建虚拟环境，不同的深度学习框架请安装到不同的虚拟环境。
1.安装Anaconda，安装完成后打开Anaconda的命令行界面。请在开始菜单中找到并开启。
在这里插入图片描述

在这里插入图片描述
2.创建虚拟环境
conda create -n xxx(这个是你的环境名)
3.激活环境
conda activate xxx(这个是你的环境名)
4.给环境安装指定的python
conda install python=3.x(版本自定义)
5.激活环境
conda activate xxx(你的环境名)
激活环境后
在这里插入图片描述
左边会显示当前的环境。

PaddlePaddle

1.前往PaddlePaddle官网选择自己的电脑所属版本。
安装方式请选择conda（Conda方式会自动再当前虚拟环境中安装cudatoolkit与cudnn

最低0.47元/天 解锁文章
【深度学习环境配置】Anaconda + PyCharm + CUDA + cuDNN + PyTorch + OpenCV
shinuone的博客
02-23 1万+
（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv （2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv
教程：Windows10下如何安装使用多版本Tensorflow2.x/Pytorch/paddlepaddle的GPU版本[和CUDA的安装及问题详解]【亲测可行】【详细和持续更新】
人生是一场修行
11-02 2109
一、本文初衷(一)、关于选择：(二)、**CUDA之间的关系：** 鄙人最初是学tf的，然后最近由于学术界很多新算法都是pytorch实现的，然后最近想去学学torch，后来发现paddlepaddle在国内的发展数一数二是在太强了然后也想接触一下paddlepaddle这个百度的深度学习框架，因为他有很多现成模型、开源模型。 但是，不幸的是鄙人原来使用的是CUDA10.0，无法安装CUDA10.0以上版本支持的DL框架版本。所以鄙人决定进行一番尝试，让PC兼容多个DL框架、以及多个DL框架的版本，是GPU
Python----PaddlePaddle（深度学习框架PaddlePaddle，概述，安装，衍生工具）
最新发布
weixin_64110589的博客
04-06 1363
（PArallel Distributed Deep LEarning）是由百度开发并开源的深度学习框架。凭借高性能、易用性和灵活性，它在AI社区中获得了广泛关注。PaddlePaddle 支持多平台部署，包括 Linux、Windows 和 macOS，并能够在 CPU、GPU 及多机多卡环境下运行，适应不同规模和类型的训练需求。
Paddlepaddle安装
m0_49499340的博客
06-15 1654
paddle安装教程
Paddlepaddle-GPU版本安装
weixin_54125762的博客
03-14 4198
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。
paddlepaddle-gpu安装
DYF的博客
04-20 4885
paddlepaddle-gpu安装
PaddlePaddle安装
weixin_41324527的博客
03-12 610
创建新的虚拟环境， conda create -n paddle python=3.7 下载慢，点击转，查看解决方法。 进入虚拟环境， activate paddle 执行命令，添加清华源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/ conda config --se...
2021-11-23-GPU版本Tensorflow+Keras环境安装与配置
mangfan1993的博客
11-23 8892
目前TensorFlow的最新版本（2.7）已经默认支持CPU和GPU。 安装前需要先确认显卡算力是否达到最新版的要求，算力低于3.0的版本本文暂不涉及。 自己亲测的组合有以下两种：（1）旧版（3.0 <算力 < 3.5）：python3.6.5+CUDA8.0+cuDNN7.14+tensorflow1.2.0 （2）新版（算力 > 3.5）：python3.8.12+cudatoolkit11.3.1+cudnn8.2.1+tensorflow2.7+Keras2.7 本
Anaconda下PaddleOCR环境安装顺序以及版本兼容问题（十分钟快速上手gpu版）
qq_64809150的博客
12-26 2555
带你详细了解CUDA版本以及cuDNN和PaddlePaddle安装过程，看完不会可以来打我
Linux下安装Paddle Paddle
09-23
中间注意：如果系统支持的是 linux_x86_64 而安装包是 manylinux1_x86_64 ，需要升级pip版本到最新； 如果系统支持 manylinux1_x86_64 而安装包（本地）是 linux_x86_64， 可以重命名这个whl包为 manylinux1_x86_64 再安装。
win10系统anaconda3同时安装mxnet、tensorflow、pytorch、飞桨的GPU版本
数字人生
03-30 2495
最近想同时使用几个深度学习框架，如果直接安装在anaconda基础环境，往往会提示依赖包冲突。 尝试使用conda为每一个深度学习框架建立一个环境，安装后不会再提示依赖冲突。机器上安装了以下4个深度学习框架： tensorflow：https://tensorflow.google.cn/install mxnet:https://mxnet.apache.org/versions/1.8.0/get_started? pytorch:https://pytorch.org/get-started
paddlepaddle安装
dulujiayou的博客
03-21 594
GPU版本安装详见https://zhuanlan.zhihu.com/p/676706976。
PaddlePaddle进行安装
ziqingnian的博客
09-21 6797
PaddlePaddle安装
飞桨-深度学习框架--paddlepaddle 安装
雪剑封心
11-21 637
直接再命令行里测试即可。
paddle的安装
热门推荐
dddeee的专栏
11-13 1万+
支持多gpu训练，paddle的安装完整流程，文中还包括离线安装conda安装包
paddlepaddle安装教程
wht1275930132的博客
08-21 1084
从安装到验证全都有
paddle框架部署deepseek
03-23
### 使用 Paddle 框架部署 DeepSeek 大语言模型 #### 部署概述 PaddlePaddle 是一个功能强大的深度学习框架，提供了高效的工具支持模型训练和推理。DeepSeek 则是一系列高性能的大语言模型 (LLM)，通常基于 Hugging Face 的 Transformers 库实现[^1]。 为了在 PaddlePaddle 中成功部署 DeepSeek 模型，需要完成以下几个核心环节：模型转换、权重加载以及优化部署流程。以下是对这些部分的具体分析： --- #### 一、模型转换与适配 由于 DeepSeek 原生依赖于 PyTorch 或 TensorFlow 实现，而 PaddlePaddle 提供了自己的算子集和 API 接口，因此第一步是将模型结构从 PyTorch 转换到 PaddlePaddle。 可以通过如下方法实现： - **使用第三方库**：例如 `paddle2onnx` 和 `onnx2paddle` 工具链可以帮助将 ONNX 格式的模型文件转化为 PaddlePaddle 支持的格式[^2]。 - **手动重构网络层**：对于复杂模型，可能需要逐层对比并重新定义其在网络中的行为逻辑。 ```python import paddle.nn as nn class CustomModel(nn.Layer): def __init__(self, config): super(CustomModel, self).__init__() # 定义各层参数... def forward(self, input_ids, attention_mask=None): # 构建前向传播过程... pass ``` --- #### 二、权重迁移 DeepSeek 模型的预训练权重通常是通过 Hugging Face Hub 发布的。要将其迁移到 PaddlePaddle 上运行，需执行以下操作： 1. 下载原始权重文件至本地存储路径； 2. 将权重映射表调整为兼容 PaddlePaddle 的命名约定； 3. 加载权重至目标模型实例中。 针对无法访问外部资源的情况，可利用国内镜像站点替代官方源来获取所需数据。 ```python from paddlenlp.transformers import BertTokenizer, BertForSequenceClassification # 初始化 tokenizer 及对应分类器 tokenizer = BertTokenizer.from_pretrained("path/to/deepsseek/tokenizer") model = BertForSequenceClassification.from_pretrained("path/to/converted_weights") input_text = ["example sentence"] inputs = tokenizer(input_text, return_tensors="pd", padding=True) outputs = model(**inputs) print(outputs.logits.numpy()) ``` --- #### 三、性能调优与量化加速 一旦完成了基础集成工作，则应进一步探索如何提升实际应用中的效率表现。这包括但不限于剪枝技术的应用、低精度计算的支持（FP16/BF16）、动态图静态化编译等策略。 特别值得注意的是，在硬件条件允许的前提下，启用 GPU/TPU 并行处理能够显著缩短响应时间；同时借助 LMDeploy 这样的专用解决方案也可以简化整个工程化的难度。 --- #### 总结 综上所述，虽然直接采用 PaddlePaddle 来承载原本设计用于其他生态系统的大型语言模型存在一定的挑战性，但凭借丰富的社区贡献和技术文档指导，完全可以克服这些问题从而达成预期效果。 ---
评论 1
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