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。
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
- 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


- 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。
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中
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
找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
在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



795

被折叠的 条评论
为什么被折叠?



