深度学习jupyter notebook环境配置

Jupyter Notebook创建GPU的Pytorch环境

1.创建虚拟环境

首先打开 Anaconda Prompt 命令窗口

输入 conda create -n pytorch_gpu(代表环境名称) python=3.10(使用的python版本）

输入 conda info --envs 可以查看当前创建的虚拟环境

接着在创建的虚拟环境安装GPU版的Pytorch，先激活刚创建的虚拟环境

输入 conda activate pytorch_gpu

如上图所示为激活虚拟环境

在该环境下安装pytorch

Pytorch下载地址：https://pytorch.org/get-started/previous-versions/

下拉找到带 cu 的版本为gpu版本，复制该连接到操作窗口

按下回车键等待下载自动安装即可

安装完成后输入 pip list ，查看已经安装的包

至此，GPU的Pytorch虚拟环境搭建完成。

2.从 Anaconda 文件打开 Jupyter Notebook

在新建文件时选择刚创建的 带 gpu的虚拟环境

或者在测试时选择 带gpu的虚拟环境

输入以下代码测试 torch、cuda 是否可用

import torch # 如果 pytorch 安装成功即可导入

print(torch.cuda.is_available()) # 查看 cuda 是否可用

print(torch.cuda.device_count()) # 查看可用的 cuda 数量

print(torch.version.cuda) # 查看 cuda 的版本号

运行后输出如上图结果则完成。

3.删除 Jupyter Notebook 多余的 kernel 选项

或者

首先打开 Anaconda Prompt 命令窗口

在命令窗口输入 jupyter kernelspec list 获取所有内核的路径

然后输入 jupyter kernelspec remove 环境名称 来删除不要的 kernel

输入 y 再按下回车键即可删除不要的 kernel

再次输入 jupyter kernelspec list 获取所有内核的路径，可以看到 basic_py 已经被删除

关闭 Jupyter Notebook 再重新打开，可以看到 basic_py 的 kernel 选项已经没有了

至此，删除 Jupyter Notebook 多余的 kernel 操作完成。