Anaconda/Pytorch/PyCharm/Jupyter安装及使用

部署运行你感兴趣的模型镜像

1.ANACONDA安装

Anaconda 是全球领先的数据科学与机器学习平台,专为开发者、数据分析师设计。通过 Anaconda,您可以轻松管理数据环境、安装依赖包,快速启动数据分析、机器学习项目。

  • 丰富的 Python 数据科学库:Anaconda 集成了常用的 Python 数据科学库,如 NumPy(数值计算)、Pandas(数据处理)、Matplotlib 和 Seaborn(数据可视化)、Scikit-learn(机器学习)等,涵盖了从数据预处理到机器学习的完整工作流。
  • 虚拟环境管理:Anaconda 提供了虚拟环境管理功能,允许您创建、隔离和管理不同项目的环境,确保各项目之间的依赖不互相干扰。
  • Jupyter Notebook 集成:内置 Jupyter Notebook,帮助您在交互式界面中编写、运行 Python 代码,进行数据分析、可视化和报告展示。
  • 机器学习和深度学习支持:Anaconda 支持各种机器学习库(如 TensorFlow、PyTorch)和深度学习工具,帮助您快速启动机器学习项目。

安装下载及配置教程参考

2.显卡配置

主要是配置驱动和CUDA Toolkit(可以和PyTorch一键安装)

打开任务管理器,选择GPU,显卡幸好如果正确显示则安装成功

3.ANACONDA的使用

管理python版本

  1. 创建环境

Anaconda基础的conda包可以创建出不同环境,环境之间相互隔离

conda create -n pytorch python=3.11

conda表示调用conda包表示创建的意思,-n 后面的英文pytorch是指该环境的名字,可以修改,python=来设置该环境的python版本

  1. 切换环境

激活环境
conda activate pytorch
退出环境
conda deactivate

4.安装pytorch

pytorch是开源的机器学习库

查看虚拟环境的安装包是否有pytorch pip list

PyTorch的安装版本与电脑的系统配置有着很大的关联,具体的命令可以从官网上查看

打开命令行nvidia-smi查看驱动版本,选择要下载的CUDA版本不要大于CUDA Version,不然需要更新驱动版本。

从官网上可以得到下载命令,我这里是conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia,将其复制到anaconda prompt中下载pytorch

由于我们之前设置了镜像,这里的-c pytorch可以删除,,-c pytorch的意思是,安装下载的channel强制为pytorch官网的channel。我感觉好像也没快很多

检查是否安装完成

>>> python #进入python环境
>>> import torch  # 引入pytorch
>>> torch.cuda.is_available() #pytorch 是否可以使用电脑GPU

5.Python编辑器的安装及使用

两个编辑器任选一个安装即可,我这里两个都安装了。

编译器的安装

1.PyCharm的安装

深度学习的数据量一般很大,一般都是挂服务器上运行代码,而pycharm专业版才可以远程开发。

PyCharm官网下载

2.jupyter的安装

交互式网页,主要特点可以将代码可视化。可以在网页页面中直接编写代码和运行代码,代码的运行结果也会直接在代码块下显示的程序。当代码出现错误时可以使用其进行调试。

我们安装了anaconda之后,jupyter已经被自动安装到了电脑里。

存在问题:默认情况Jupyter只安装到base

解决办法:我们需要在Pytorch环境中安装Jupyter

在命令行中输入:conda install nb_conda

输入jupyter notebook启动

测试Jupyter是否启动pytorch环境

创建一个新项目

1.在Pycharm中使用现有虚拟环境(pytorch)创建一个新项目

下载完成后,我们创建一个新的项目,引入我们之前创建的虚拟环境Pytorch

conde路径是找安装位置下的Script\conda.exe

condabin/conda.bat好像也可以

环境名可以在anaconda prompt里面通过命令conda env list或者conda info --envs查看

检测虚拟环境pytorch是否成功导入pycharm

查看当前项目解释器是否是pytorch

Jupyter新建项目及使用

Anaconda prompt中打开jupyter

然后会自动弹出一个网页,该网页的目录就是启动命令时的路径,我的项目在G盘,所以这里需要在G盘启动jupyter notebook G:

创建一个文件,jupyter中每一个块为运行的整体

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

### 如何在 PyCharm 中配置并使用 Anaconda 创建的 PyTorch 环境 #### 1. 安装并激活 Conda 虚拟环境 为了确保 PyCharm 可以识别由 Anaconda 创建的虚拟环境,需先完成以下操作: - 使用 `conda` 命令创建一个新的虚拟环境,并指定所需的 Python 版本。例如,在终端中执行以下命令来创建名为 `pytorch_env` 的新环境[^1]: ```bash conda create -n pytorch_env python=3.9 ``` - 激活该虚拟环境以便后续安装必要的依赖项: ```bash conda activate pytorch_env ``` #### 2. 在 Conda 环境中安装 PyTorch 和其他必要组件 通过 `conda` 或者官方推荐的方式安装 PyTorch 及其相关工具链。以下是具体步骤: - 执行如下命令以安装 PyTorch、TensorFlow Vision 库以及 CUDA 支持 (如果 GPU 加速可用)[^3]: ```bash conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia ``` 验证安装成功与否可以借助 `conda list` 查看当前环境下已有的软件包列表。 #### 3. 配置 PyCharm 连接至现有的 Conda 环境 打开 PyCharm 后按照下面指引设置项目解释器为之前建立好的 conda env。 - **新建或打开现有项目**: 如果尚未启动任何工程,则点击 “File -> New Project”。对于已有工作区则跳过此步。 - **选择合适的Python Interpreter**: 导航到“Settings / Preferences->Project:Your_Project_Name->Python Interpreter”,然后点击齿轮图标旁边的下拉菜单选项中的‘Add...’按钮。 * 接着会弹出一个小窗口让你挑选不同的 interpreter 类型;在这应该找到标注有 "Conda Environment" 字样的条目并选中它。 * 对于路径部分,请浏览定位到刚才所建的那个特定目录结构下的 bin/python 文件位置(通常类似于 `/home/user/anaconda3/envs/pytorch_env/bin/python`)。 确认无误之后保存更改即可让IDE加载对应版本号及其关联模块资源文件夹信息等内容[^1]. #### 4. 测试配置有效性 编写简单的测试脚本来检验整个流程是否正常运作。比如尝试导入 torch 并打印设备详情作为初步检查手段之一: ```python import torch print(torch.__version__) if torch.cuda.is_available(): print('CUDA is available') else: print('No CUDA support detected.') ``` 以上即完成了基于 anacondas 构造出来的 pythonspace 下面集成深度学习框架的操作指南说明文档撰写过程概述总结完毕!
评论
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