【2020年7月】anaconda+pytorch-gpu

本文详细介绍了如何在Anaconda环境下配置并安装PyTorch-GPU,包括创建环境、下载whl文件、安装过程及测试方法。特别针对官网下载速度慢的问题,提供了解决方案。
部署运行你感兴趣的模型镜像

【2020年7月】anaconda+pytorch-gpu

之前我已经在anaconda下装了tensorflow-gpu,结果组里的老师建议装pytorch,于是又折腾一天多。不过,这次又经验,比较快。

一、在anaconda下配置环境

可以用命令conda create,也可以用anaconda navigator

二、下载whl文件

因为清华软件园没有相应的资源了,官网用conda install 安装很慢,几个小时过去了还失败了,所以把文件下到本地安装。先上官网](https://pytorch.org/get-started/locally/)相应的文件在这里插入图片描述
选项都是选择的,下载的文件用pip安装,所以选了pip。留意最下面的一行,基本命令可以参见这个。如果是官网用命令下载,直接把这个命名输入即可。
不过速度不行,所以可以轮子下载网址下下来上面对应的两个文件,下的时候留意python版本和处理器型号。

三、安装

激活环境,进入 文件所在路径,调用python,采用 pip install+文件名。

四、测试是否成功

import torch
import torchvision

另外
print(torch.version)
print(torch.cuda.is_available())
print(torch.cuda.device_count())
print(torch.cuda.current_device())
print(torch.cuda.get_device_name())
分别查看pytorch版本,看cuda是否可用,设备数量,当前cuda设备索引,从0开始,gpu设备名字

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

基于可靠性评估序贯蒙特卡洛模拟法的配电网可靠性评估研究(Matlab代码实现)内容概要:本文围绕“基于可靠性评估序贯蒙特卡洛模拟法的配电网可靠性评估研究”,介绍了利用Matlab代码实现配电网可靠性的仿真分析方法。重点采用序贯蒙特卡洛模拟法对配电网进行长时间段的状态抽样与统计,通过模拟系统元件的故障与修复过程,评估配电网的关键可靠性指标,如系统停电频率、停电持续时间、负荷点可靠性等。该方法能够有效处理复杂网络结构与设备时序特性,提升评估精度,适用于含分布式电源、电动汽车等新型负荷接入的现代配电网。文中提供了完整的Matlab实现代码与案例分析,便于复现和扩展应用。; 适合人群:具备电力系统基础知识和Matlab编程能力的高校研究生、科研人员及电力行业技术人员,尤其适合从事配电网规划、运行与可靠性分析相关工作的人员; 使用场景及目标:①掌握序贯蒙特卡洛模拟法在电力系统可靠性评估中的基本原理与实现流程;②学习如何通过Matlab构建配电网仿真模型并进行状态转移模拟;③应用于含新能源接入的复杂配电网可靠性定量评估与优化设计; 阅读建议:建议结合文中提供的Matlab代码逐段调试运行,理解状态抽样、故障判断、修复逻辑及指标统计的具体实现方式,同时可扩展至不同网络结构或加入更多不确定性因素进行深化研究。
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
 条评论被折叠 查看
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