conda 安装 TensorFlow gpu cuda 轻松 无错 安装 nb_conda jupyter conda常用命令 快速入门

本文介绍了如何使用conda安装TensorFlow GPU版,包括环境创建、激活、换源、安装软件包等步骤,并强调了conda环境管理在避免软件冲突中的重要作用。通过实例展示了conda如何自动处理依赖,以及如何在环境中安装和移除软件。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

前置安装:nvidia 显卡驱动

下一步安装anaconda,如果安装anaconda3就会自动去链接python3 配套的库。

首先理解下配置环境是在干嘛:很简单,就是安装软件

那么怎么简化这个过程,避免换个环境,就得卸载重装,和别人共用一个服务器,就为了配置环境焦头烂额。

很多人只把anaconda作为一个综合包,里面有很多需要用的别人的代码。但是它的真正作用是建立使用怕python的虚拟环境。

也就是说。你可以用anaconda建立一个新的空的环境,什么都没有,然后你一激活她,你就处于一台新的机器。你在这个新的机器上可以安装任意软件而不影响别人的,或者以前的环境。

你在这台新机器上运行代码,他只能使用你在新环境中安装的包。

你关闭了这个环境,这个环境就识趣的消失,不在你的系统留下一丝痕迹。等在硬盘上,等待你下一次召唤。

难道不是特别好用吗!!!(docker更好用,操作系统都能给你虚拟出来,再说吧)

了解anaconda的机制后,你不要觉得麻烦,因为你除非明就不干了,否则你还得不断换项目换环境。磨刀不误砍柴工。更何况,建立虚拟环境并且使用特别简单。

分为以下几条重要命令:

1.换仓库的源,就是你从哪下载包,不改的话你就得爬墙

2.建立一个空环境

3.激活环境

4.在新的环境下安装卸载软件,运行代码

5.关闭环境

0路径设置

这个不是人人都要整的。如果你在自己的目录下安装了anaconda,那你肯定是要整路径。因为anaconda会

### 如何在 Jupyter Notebook 中安装 PyTorch GPU 版本 要在 AnacondaJupyter Notebook 环境中安装支持 GPU 的 PyTorch,可以按照以下方法操作: #### 1. 创建并激活 Conda 虚拟环境 首先需要创建一个新的 Conda 虚拟环境来隔离依赖项。通过以下命令完成: ```bash conda create -n pytorch_env python=3.9 ``` 接着激活该虚拟环境: ```bash conda activate pytorch_env ``` #### 2. 安装 PyTorch GPU 版本 访问官方 PyTorch 官网 (https://pytorch.org/) 并根据操作系统、包管理器以及 CUDA 版本来获取适合的安装命令[^1]。例如,如果使用的是 Windows 操作系统,并希望安装带有 CUDA 支持的 PyTorch,则可以通过以下命令实现: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch -c nvidia ``` 上述命令会自动下载对应版本的 PyTorch 及其依赖库。 #### 3. 验证 PyTorch 是否正确安装 为了确认 PyTorch 已经成功安装并且能够检测到 GPU 设备,可以在 Python 解释器或者脚本中执行以下代码片段: ```python import torch print(torch.__version__) # 打印当前使用的 PyTorch 版本号 print(torch.cuda.is_available()) # 如果返回 True 表明 GPU 正常工作 ``` 当 `torch.cuda.is_available()` 返回 False 时,可能是因为未正确设置 CUDA 或者硬件不兼容等问题[^4]。 #### 4. 将新的 Conda 环境集成至 Jupyter Notebook 为了让 Jupyter Notebook 认识到刚刚创建好的 Conda 环境及其内部安装的内容,需先安装 nb_conda_kernels 包以便动态识别多个 conda envs: ```bash conda install nb_conda_kernels ``` 之后重新启动 Jupyter Notebook 即可看到新增加的 kernel 列表选项里包含了刚才建立起来的新环境名称(pytorch_env)[^3]。 #### 5. 测试 GPU 加速功能 最后一步是在基于指定内核运行的新建 Notebooks 文件里面尝试一些简单的张量运算以检验整个流程是否顺畅无误。比如下面这段演示如何利用 GPU 进行矩阵乘法计算的小例子: ```python device = 'cuda' if torch.cuda.is_available() else 'cpu' tensor_a = torch.rand((100, 100)).to(device) tensor_b = torch.rand((100, 100)).to(device) result_tensor = tensor_a @ tensor_b print(result_tensor.device) # 应显示 cuda:0 若一切正常的话 ```
评论 4
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