【无标题】

秋风wyj140615

于 2025-02-21 08:55:31 发布

阅读量893

点赞数 30

文章标签：数据库 sqlserver

本文链接：https://blog.youkuaiyun.com/weixin_50563385/article/details/145768510

版权

ubuntu版本查看版本, 在Ubuntu系统中，有多种方法可以查看系统版本，下面为你详细介绍：

方法一：使用`lsb_release`命令

lsb_release命令可以显示LSB（Linux Standard Base）信息，从而查看Ubuntu系统的版本。

操作步骤

打开终端。你可以通过按下Ctrl + Alt + T组合键快速打开终端。
在终端中输入以下命令并按回车键：

lsb_release -a

命令解释

-a参数表示显示所有的LSB信息，包括发行版ID、描述、发行号和代号等。

示例输出

No LSB modules are available.
Distributor ID:	Ubuntu
Description:	Ubuntu 22.04.3 LTS
Release:	22.04
Codename:	jammy

从输出中可以得知，该Ubuntu系统的版本是22.04.3 LTS，代号为jammy。

方法二：查看`/etc/os-release`文件

/etc/os-release文件包含了操作系统的相关信息，你可以直接查看该文件来获取系统版本。

操作步骤

打开终端。
使用cat命令查看/etc/os-release文件的内容，命令如下：

cat /etc/os-release

示例输出

PRETTY_NAME="Ubuntu 22.04.3 LTS"
NAME="Ubuntu"
VERSION_ID="22.04"
VERSION="22.04.3 LTS (Jammy Jellyfish)"
VERSION_CODENAME=jammy
ID=ubuntu
ID_LIKE=debian
HOME_URL="https://www.ubuntu.com/"
SUPPORT_URL="https://help.ubuntu.com/"
BUG_REPORT_URL="https://bugs.launchpad.net/ubuntu/"
PRIVACY_POLICY_URL="https://www.ubuntu.com/legal/terms-and-policies/privacy-policy"
UBUNTU_CODENAME=jammy

从输出中可以看到，VERSION字段显示了系统的完整版本信息，VERSION_ID字段显示了主要版本号。

方法三：使用`hostnamectl`命令

hostnamectl命令主要用于管理系统的主机名，但也可以显示操作系统的版本信息。

操作步骤

打开终端。
在终端中输入以下命令并按回车键：

hostnamectl

示例输出

 Static hostname: ubuntu-desktop
       Icon name: computer-desktop
         Chassis: desktop
      Machine ID: 123456789abcdef123456789abcdef
         Boot ID: 123456789abcdef123456789abcdef
Operating System: Ubuntu 22.04.3 LTS
          Kernel: Linux 5.15.0-86-generic
    Architecture: x86-64
 Hardware Vendor: Dell Inc.
  Hardware Model: OptiPlex 7070

从输出的Operating System字段可以直接看到Ubuntu系统的版本。

在Ubuntu系统中，安装.deb软件包是常见的操作，下面为你介绍不同场景下安装.deb包的方法。

安装deb

方法一：使用`dpkg`命令安装

dpkg是Debian Linux系统用来安装、创建和管理软件包的工具，可直接用于安装.deb文件。

操作步骤

打开终端：可以通过按下Ctrl + Alt + T组合键快速打开终端。
导航到.deb文件所在目录：使用cd命令进入.deb文件所在的文件夹。例如，如果文件在Downloads目录下，可以使用以下命令：

cd ~/Downloads

安装.deb包：使用dpkg -i命令来安装软件包，-i是--install的缩写。假设要安装的软件包名为example.deb，则命令如下：

sudo dpkg -i example.deb

执行该命令时需要输入管理员密码，因为安装软件通常需要管理员权限。

可能出现的问题及解决办法

依赖问题：如果软件包依赖于其他未安装的软件包，dpkg安装会失败。此时可以使用apt命令来修复依赖关系：

sudo apt-get install -f

-f选项表示尝试修复损坏的依赖关系，apt-get会自动下载并安装缺失的依赖包。

方法二：使用`gdebi`工具安装

gdebi是一个图形化的前端工具，它可以自动处理依赖关系，比dpkg更方便。

操作步骤

安装gdebi：如果系统中没有安装gdebi，可以使用以下命令进行安装：

sudo apt-get update
sudo apt-get install gdebi-core

使用gdebi安装.deb包：同样先导航到.deb文件所在目录，然后使用以下命令安装：

sudo gdebi example.deb

gdebi会自动检查并安装软件包及其依赖项。

方法三：通过图形界面安装

如果你不习惯使用命令行，也可以通过图形界面来安装.deb包。

操作步骤

找到.deb文件：使用文件管理器（如Nautilus）找到要安装的.deb文件。
双击文件：双击.deb文件，系统会自动打开软件包安装器。
安装软件：在软件包安装器中，点击“安装”按钮，输入管理员密码，等待安装完成。

文件夹没有重命名

在不同操作系统中，文件夹重命名的操作方式略有不同。以下为你介绍常见操作系统下文件夹重命名的方法：

Windows系统

通过资源管理器：
- 打开“此电脑”或“文件资源管理器”，找到需要重命名的文件夹。
- 右键单击该文件夹，在弹出的菜单中选择“重命名”选项。此时文件夹名称进入可编辑状态，输入新的名称后，按回车键即可完成重命名。
- 也可以先选中文件夹，然后按下键盘上的 F2 键，同样可进入名称编辑状态。
通过命令提示符（CMD）：
- 以管理员身份打开命令提示符（在“开始”菜单中搜索“命令提示符”，右键选择“以管理员身份运行”）。
- 假设要重命名 C:\old_folder 文件夹为 C:\new_folder，在命令提示符中输入以下命令并回车：

ren C:\old_folder new_folder

注意，这里使用 ren 命令，路径后面直接跟新的文件夹名称，不需要指定完整路径（新名称若包含空格，需用引号括起来）。

macOS系统

通过访达：
- 在访达中找到要重命名的文件夹。
- 单击选中文件夹，然后再次单击文件夹名称（不要双击，否则会打开文件夹），文件夹名称会进入可编辑状态，输入新名称后按回车键完成重命名。
- 或者右键单击文件夹，选择“重命名”，操作步骤与上述相同。
通过终端：
- 打开“终端”应用程序（在“聚焦搜索”中输入“终端”即可找到）。
- 假设要将 ~/Documents/old_folder 重命名为 ~/Documents/new_folder，在终端中输入以下命令并回车：

mv ~/Documents/old_folder ~/Documents/new_folder

这里使用 mv 命令，该命令不仅可用于移动文件或文件夹，也可用于重命名（在同一目录下移动即重命名）。

Linux系统（以Ubuntu为例）

通过文件管理器（Nautilus）：
- 在Nautilus中定位到要重命名的文件夹。
- 右键单击文件夹，选择“重命名”，输入新名称后按回车键。
通过终端：
- 打开终端。
- 与macOS类似，同样使用 mv 命令。例如，将 /home/user/old_folder 重命名为 /home/user/new_folder，命令如下：

mv /home/user/old_folder /home/user/new_folder

确保你有对该文件夹的操作权限，若没有权限，可能需要使用 sudo 命令获取管理员权限（但要谨慎使用 sudo）。

#!/bin/bash

ENV_NAME=“gensc-env”
PYTHON_SCRIPT=“GenSC_finall_all.py”

if conda info --envs | grep -q “$ENV_NAME”; then
echo “Conda environment $ENV_NAME already exists.”
else
echo “Creating conda environment $ENV_NAME…”
conda env create -f environment.yml
fi

echo “Activating conda environment…”
source activate $ENV_NAME

echo “Running Python script…”
python $PYTHON_SCRIPT

echo “Deactivating conda environment…”
conda deactivate

以下是对这段 Bash 脚本的详细解释：

脚本功能概述

该脚本的主要功能是管理一个名为 gensc - env 的 Conda 环境，并在该环境中运行一个 Python 脚本 GenSC_finall_all.py。具体步骤包括检查 Conda 环境是否存在，若不存在则创建该环境，激活环境，运行 Python 脚本，最后再停用该环境。

代码逐行解释

#!/bin/bash

这是脚本的起始行，被称为“shebang”。它指定了脚本将使用 /bin/bash 这个 shell 来执行。

ENV_NAME="gensc-env"
PYTHON_SCRIPT="GenSC_finall_all.py"

这两行定义了两个变量：
- ENV_NAME：存储 Conda 环境的名称，这里设定为 gensc-env。
- PYTHON_SCRIPT：存储要运行的 Python 脚本的文件名，这里是 GenSC_finall_all.py。

if conda info --envs | grep -q "$ENV_NAME"; then
    echo "Conda environment $ENV_NAME already exists."
else
    echo "Creating conda environment $ENV_NAME..."
    conda env create -f environment.yml
fi

这是一个 if-else 条件语句，用于检查指定的 Conda 环境是否已经存在：
- conda info --envs：该命令会列出所有可用的 Conda 环境。
- |：管道符号，将前一个命令的输出作为后一个命令的输入。
- grep -q "$ENV_NAME"：grep 是一个用于在文本中查找匹配模式的命令，-q 选项表示安静模式，即不输出匹配结果，只返回匹配成功（退出状态为 0）或失败（退出状态为 1）。
- 如果 grep 匹配成功，说明环境已存在，执行 then 后面的语句，输出提示信息。
- 如果 grep 匹配失败，说明环境不存在，执行 else 后面的语句，输出创建环境的提示信息，并使用 conda env create -f environment.yml 命令根据 environment.yml 文件创建新的 Conda 环境。

echo "Activating conda environment..."
source activate $ENV_NAME

第一行输出激活 Conda 环境的提示信息。
第二行使用 source activate 命令激活指定名称的 Conda 环境。注意，在较新的 Conda 版本中，推荐使用 conda activate 来替代 source activate。

echo "Running Python script..."
python $PYTHON_SCRIPT

第一行输出运行 Python 脚本的提示信息。
第二行使用 python 命令运行之前定义的 Python 脚本。

echo "Deactivating conda environment..."
conda deactivate

第一行输出停用 Conda 环境的提示信息。
第二行使用 conda deactivate 命令停用当前激活的 Conda 环境。

注意事项

在较新的 Conda 版本中，建议将 source activate 替换为 conda activate，以避免一些兼容性问题。
确保 environment.yml 文件存在，并且包含创建 Conda 环境所需的依赖信息。
确保 GenSC_finall_all.py 脚本文件存在，并且在当前工作目录下或者在系统的 PATH 环境变量包含的路径中。

打印torch的版本

在Python中打印PyTorch的版本，你可以使用以下代码：

import torch
print(torch.__version__)

上述代码中，首先使用 import 语句导入 torch 库。导入成功后，通过访问 torch 库的 __version__ 属性来获取其版本信息，并使用 print() 函数将版本号打印出来。

如果你使用的是交互式环境（如Jupyter Notebook），你也可以直接运行 import torch; torch.__version__ 来查看版本，交互式环境会自动显示最后一个表达式的结果。

在运行上述代码之前，请确保你已经安装了PyTorch。如果没有安装，可以使用 pip install torch 或 conda install torch 等命令进行安装（具体安装方式取决于你的环境和需求）。

打印cuda版本

以下几种不同的方式可以用来打印CUDA的版本：

方法一：在Python代码中使用`torch`库查询（适用于使用PyTorch且安装了CUDA支持的情况）

如果你使用PyTorch进行深度学习开发，并且已经安装了支持CUDA的PyTorch版本，那么可以通过以下代码来获取CUDA版本：

import torch
if torch.cuda.is_available():
    print(torch.version.cuda)
else:
    print("CUDA is not available.")

代码解释：

torch.cuda.is_available()：用于检查当前环境中CUDA是否可用。
torch.version.cuda：若CUDA可用，此属性会返回当前PyTorch所使用的CUDA版本。

方法二：通过`nvcc`命令查询（在命令行中操作）

nvcc 是NVIDIA CUDA编译器驱动程序，你可以在终端中输入以下命令来查看CUDA版本：

nvcc --version

示例输出：

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2023 NVIDIA Corporation
Built on Mon_Apr__3_17:16:06_PDT_2023
Cuda compilation tools, release 12.1, V12.1.105
Build cuda_12.1.r12.1/compiler.32688072_0

从输出中可以看到CUDA的版本是 12.1。

方法三：查看CUDA安装目录下的版本文件

在Linux系统中，CUDA的版本信息通常存储在 /usr/local/cuda/version.txt 文件里，你可以使用以下命令查看：

cat /usr/local/cuda/version.txt

在Windows系统中，CUDA通常安装在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA 目录下，进入该目录找到 version.txt 文件并打开即可查看版本信息。

python 交互命令查看torch cuda

版本

在 Python 交互式命令行中查看 PyTorch 和 CUDA 版本可以按照以下步骤操作：

启动 Python 交互式命令行

Windows 系统：按下 Win + R 组合键，输入 cmd 并回车打开命令提示符，在其中输入 python 并回车进入 Python 交互式环境。
macOS/Linux 系统：打开终端，输入 python3 并回车进入 Python 交互式环境。

查看 PyTorch 版本

在 Python 交互式命令行中输入以下代码：

import torch
print(torch.__version__)

这段代码首先导入 torch 库，然后通过访问 torch 对象的 __version__ 属性来获取 PyTorch 的版本信息，并使用 print 函数将其输出。

查看 CUDA 版本

如果你安装的是支持 CUDA 的 PyTorch 版本，可以通过以下代码查看 CUDA 版本：

import torch
if torch.cuda.is_available():
    print(torch.version.cuda)
else:
    print("CUDA is not available.")

torch.cuda.is_available() 用于检查当前环境中 CUDA 是否可用。
如果 CUDA 可用，torch.version.cuda 会返回当前 PyTorch 所使用的 CUDA 版本号；如果不可用，则会输出 "CUDA is not available."。

示例输出

假设你成功执行了上述代码，可能会得到类似如下的输出：

>>> import torch
>>> print(torch.__version__)
2.1.0
>>> if torch.cuda.is_available():
...     print(torch.version.cuda)
... else:
...     print("CUDA is not available.")
...
12.1

从上述输出可知，PyTorch 版本为 2.1.0，CUDA 版本为 12.1。

#!/bin/bash

ENV_NAME=“gensc-env”
PYTHON_SCRIPT=“GenSC_finall_all.py”

echo “Activating conda environment…”
source activate $ENV_NAME

echo “Running Python script…”
python $PYTHON_SCRIPT

echo “Deactivating conda environment…”
conda deactivate

以下是对这段 Bash 脚本的详细解释：

脚本整体功能概述

此脚本的主要功能是管理一个名为 gensc - env 的 Conda 环境，并在该环境中运行 Python 脚本 GenSC_finall_all.py。它会先检查指定的 Conda 环境是否存在，如果不存在则创建该环境，接着激活环境，运行 Python 脚本，最后停用该环境。

代码逐行解析

1. 脚本解释器声明

#!/bin/bash

这一行被称为 “shebang”，它告诉系统使用 /bin/bash 作为解释器来执行此脚本。

2. 变量定义

ENV_NAME="gensc-env"
PYTHON_SCRIPT="GenSC_finall_all.py"

ENV_NAME：定义了 Conda 环境的名称，后续操作将围绕名为 gensc - env 的环境展开。
PYTHON_SCRIPT：定义了要运行的 Python 脚本的文件名。

3. 检查 Conda 环境是否存在并按需创建

if conda info --envs | grep -q "$ENV_NAME"; then
    echo "Conda environment $ENV_NAME already exists."
else
    echo "Creating conda environment $ENV_NAME..."
    conda env create -f environment.yml
fi

conda info --envs：该命令用于列出所有可用的 Conda 环境。
|：管道符号，将 conda info --envs 的输出作为 grep 命令的输入。
grep -q "$ENV_NAME"：grep 是一个用于在文本中查找匹配模式的工具，-q 选项表示安静模式，即不输出匹配结果，只返回匹配是否成功的状态码（0 表示成功，非 0 表示失败）。
如果 grep 匹配成功，说明指定的 Conda 环境已经存在，执行 then 后面的语句，输出提示信息。
如果 grep 匹配失败，说明环境不存在，执行 else 后面的语句，输出创建环境的提示信息，并使用 conda env create -f environment.yml 命令根据 environment.yml 文件创建新的 Conda 环境。

4. 激活 Conda 环境

echo "Activating conda environment..."
source activate $ENV_NAME

第一行输出提示信息，告知用户正在激活 Conda 环境。
第二行使用 source activate 命令激活之前定义的 Conda 环境。不过在较新的 Conda 版本中，推荐使用 conda activate 来替代 source activate。

5. 运行 Python 脚本

echo "Running Python script..."
python $PYTHON_SCRIPT

第一行输出提示信息，告知用户正在运行 Python 脚本。
第二行使用 python 命令运行之前定义的 Python 脚本。

6. 停用 Conda 环境

echo "Deactivating conda environment..."
conda deactivate

第一行输出提示信息，告知用户正在停用 Conda 环境。
第二行使用 conda deactivate 命令停用当前激活的 Conda 环境。

注意事项

Conda 版本兼容性：如前面提到，较新的 Conda 版本建议使用 conda activate 替代 source activate。
文件存在性：要确保 environment.yml 文件存在，并且其中包含创建 Conda 环境所需的依赖信息；同时，GenSC_finall_all.py 脚本文件也应存在，且位于当前工作目录或者系统 PATH 包含的路径中。
权限问题：确保用户具有足够的权限来创建和管理 Conda 环境以及运行 Python 脚本。

安装Anaconda3-2024.10-1-Linux-x86_64.sh

以下是在Linux系统中安装Anaconda3-2024.10-1-Linux-x86_64.sh的步骤：

下载安装包：打开终端，使用以下命令将安装包下载到指定目录。如果想下载到当前用户的主目录下的Downloads文件夹，可执行以下命令：

cd ~/Downloads
wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh

添加可执行权限：下载完成后，为安装脚本添加可执行权限，执行以下命令：

chmod +x Anaconda3-2024.10-1-Linux-x86_64.sh

运行安装脚本：执行安装脚本，开始安装Anaconda。在终端中输入以下命令：

./Anaconda3-2024.10-1-Linux-x86_64.sh

阅读并接受许可协议：安装过程中会显示许可协议内容，按回车键或下箭头键可滚动查看协议内容，阅读完成后输入yes表示接受协议，以继续安装。
选择安装路径：接着会提示选择安装路径，直接按回车键可使用默认安装路径，一般为~/anaconda3。如果想安装到其他位置，可输入指定路径后按回车键。
初始化Anaconda：安装程序会询问是否将Anaconda初始化到系统的PATH环境变量中，输入yes，这样后续在终端中就可以直接使用conda等命令。
配置环境变量：如果安装时没有自动配置环境变量，或者后续需要进一步配置，可以打开~/.bashrc文件进行编辑，在文件末尾添加export PATH="~/anaconda3/bin:$PATH"，保存并关闭文件后，在终端中执行source ~/.bashrc使环境变量配置生效。
验证安装：在终端中输入conda --version，如果显示出Conda的版本号，说明Anaconda安装成功。

用sdkg

你想问的可能是使用 sudo 安装 Anaconda3 - 2024.10 - 1 - Linux - x86_64.sh，sudo 用于以超级用户（root）权限执行命令，这在安装某些需要系统级权限的软件时可能会用到。但通常安装Anaconda并不一定需要 sudo 权限，普通用户安装在自己的主目录下即可满足需求。不过，如果确实要使用 sudo 来安装，步骤如下：

确保下载安装包：
- 如果你还没有下载 Anaconda3 - 2024.10 - 1 - Linux - x86_64.sh，可以使用 wget 等工具下载，例如：
```
wget https://repo.anaconda.com/archive/Anaconda3 - 2024.10 - 1 - Linux - x86_64.sh
```
- 确保你有足够的磁盘空间来下载这个安装包，并且网络连接正常。
添加可执行权限：
- 使用 sudo 赋予安装脚本可执行权限，命令如下：
```
sudo chmod +x Anaconda3 - 2024.10 - 1 - Linux - x86_64.sh
```
- 执行此命令时，系统会提示你输入当前用户的密码，输入后回车。这是因为 sudo 操作需要验证用户身份。
运行安装脚本：
- 使用 sudo 运行安装脚本，命令如下：
```
sudo./Anaconda3 - 2024.10 - 1 - Linux - x86_64.sh
```
- 安装过程中，会显示许可协议，你需要按回车键或下箭头键滚动查看协议内容，阅读完成后输入 yes 表示接受协议。
- 接下来会提示选择安装路径。默认情况下，普通用户安装到 ~/anaconda3，但使用 sudo 时，可能需要指定系统级的安装路径，比如 /usr/local/anaconda3。请谨慎选择，因为这可能会影响系统中其他用户对Anaconda的使用。
- 安装程序会询问是否初始化Anaconda到系统的 PATH 环境变量中。如果选择 yes，可能会影响系统范围内的环境变量设置，确保你了解其潜在影响。
配置环境变量（可选）：
- 如果安装过程中没有自动配置环境变量，对于系统级安装（使用 sudo 安装到系统路径），可能需要在系统的环境变量配置文件（如 /etc/profile 或 /etc/bash.bashrc，不同系统可能略有不同）中添加Anaconda的 bin 目录到 PATH 变量中。例如，编辑 /etc/profile：
```
sudo nano /etc/profile
```
- 在文件末尾添加：
```
export PATH = "/usr/local/anaconda3/bin:$PATH"
```
- 保存并关闭文件（在 nano 中，按 Ctrl + X，然后按 Y，最后按回车键）。然后执行以下命令使配置生效：
```
source /etc/profile
```
验证安装：
- 在终端中输入 conda --version，如果显示出Conda的版本号，说明Anaconda安装成功。

注意事项：

使用 sudo 安装Anaconda可能会带来一些风险，如权限管理问题和与系统其他软件的潜在冲突。只有在明确知道自己的需求并且对系统有足够的控制权时，才使用这种方式。
安装到系统路径可能会影响系统范围内的Python环境和其他软件依赖，安装前请确保你已经充分了解这些影响。

1. 创建环境

conda create --prefix /cloud/evs/1GenSC python=3.9
conda activate /cloud/evs/1GenSC

2. 安装torch
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124


3. 查看torch和cuda版本（不知道torch和cuda版本时，可以用以下命令查看，如果知道这个版本，这里torch版本是2.6.0，cuda版本是12.4，可以跳过这个步骤，执行第5步）
>>> import torch
>>> torch.__version__
'2.6.0+cu124'
>>> torch.cuda.is_available()
True
>>> torch.version.cuda
'12.4'
4. 安装环境依赖的其它包
pip install pandas   numpy   tqdm   matplotlib  w3lib  nltk  sentence-transformers

5.克隆代码并进入项目
git  clone https://github.com/minkuanc-WMC/gensc.git && cd gensc
 
6. 执行训练，验证
python GenSC_finall_all.py

7. 出现以下输出说明以上环境配置成功，并能运行代码
(/cloud/evs/1GenSC) ➜ gensc python GenSC_finall_all.py
trian max lenght : 31 test max lenght : 31
Vab sizes :  38405 - True
BOS token :  0 - True
PAD token :  1 - True
EOS token :  2 - True
MSK token :  4 - True
Fading Channel :  Rayleigh
Use pre-train model with Rayleigh fading channel with parameters 11426832
Epoch 2 - 0 times ( Model saving ... ) 
Valida loss : 0.7316 0.4355 0.3460 0.1654 0.1343 0.1464 0.1389
Saving loss : 0.7316 0.4355 0.3460 0.1654 0.1343 0.1464 0.1389

8 环境所有依赖包和版本号如下：

certifi                  2025.1.31
charset-normalizer       3.4.1
click                    8.1.8
contourpy                1.3.0
cycler                   0.12.1
filelock                 3.13.1
fonttools                4.56.0
fsspec                   2024.6.1
huggingface-hub          0.29.1
idna                     3.10
importlib_resources      6.5.2
Jinja2                   3.1.4
joblib                   1.4.2
kiwisolver               1.4.7
MarkupSafe               2.1.5
matplotlib               3.9.4
mpmath                   1.3.0
networkx                 3.2.1
nltk                     3.9.1
numpy                    1.26.3
nvidia-cublas-cu12       12.4.5.8
nvidia-cuda-cupti-cu12   12.4.127
nvidia-cuda-nvrtc-cu12   12.4.127
nvidia-cuda-runtime-cu12 12.4.127
nvidia-cudnn-cu12        9.1.0.70
nvidia-cufft-cu12        11.2.1.3
nvidia-curand-cu12       10.3.5.147
nvidia-cusolver-cu12     11.6.1.9
nvidia-cusparse-cu12     12.3.1.170
nvidia-cusparselt-cu12   0.6.2
nvidia-nccl-cu12         2.21.5
nvidia-nvjitlink-cu12    12.4.127
nvidia-nvtx-cu12         12.4.127
packaging                24.2
pandas                   2.2.3
pillow                   11.0.0
pip                      25.0
pyparsing                3.2.1
python-dateutil          2.9.0.post0
pytz                     2025.1
PyYAML                   6.0.2
regex                    2024.11.6
requests                 2.32.3
safetensors              0.5.2
scikit-learn             1.6.1
scipy                    1.13.1
sentence-transformers    3.4.1
setuptools               75.8.0
six                      1.17.0
sympy                    1.13.1
threadpoolctl            3.5.0
tokenizers               0.21.0
torch                    2.6.0+cu124
torchaudio               2.6.0+cu124
torchvision              0.21.0+cu124
tqdm                     4.67.1
transformers             4.49.0
triton                   3.2.0
typing_extensions        4.12.2
tzdata                   2025.1
urllib3                  2.3.0
w3lib                    2.3.1
wheel                    0.45.1
zipp                     3.21.0