【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

【RIS 辅助的 THz 混合场波束斜视下的信道估计与定位】在混合场波束斜视效应下,利用太赫兹超大可重构智能表面感知用户信道与位置(Matlab代码实现)内容概要:本文围绕“IS 辅助的 THz 混合场波束斜视下的信道估计与定位”展开,重点研究在太赫兹(THz)通信系统中,由于混合近场与远场共存导致的波束斜视效应下,如何利用超大可重构智能表面(RIS)实现对用户信道状态信息和位置的联合感知与精确估计。文中提出了一种基于RIS调控的信道参数估计算法,通过优化RIS相移矩阵提升信道分辨率,并结合信号到达角(AoA)、到达时间(ToA)等信息实现高精度定位。该方法在Matlab平台上进行了仿真验证,复现了SCI一区论文的核心成果,展示了其在下一代高频通信系统中的应用潜力。; 适合人群:具备通信工程、信号处理或电子信息相关背景,熟悉Matlab仿真,从事太赫兹通信、智能反射面或无线定位方向研究的研究生、科研人员及工程师。; 使用场景及目标:① 理解太赫兹通信中混合场域波束斜视问题的成因与影响;② 掌握基于RIS的信道估计与用户定位联合实现的技术路径;③ 学习并复现高水平SCI论文中的算法设计与仿真方法,支撑学术研究或工程原型开发; 阅读建议:此资源以Matlab代码实现为核心,强调理论与实践结合,建议读者在理解波束成形、信道建模和参数估计算法的基础上,动手运行和调试代码,深入掌握RIS在高频通信感知一体化中的关键技术细节。
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