首页 > 编程语言 >win10+python3.8+Anaconda3+cuda10.2+cudnn7.6+pytorch安装教程

win10+python3.8+Anaconda3+cuda10.2+cudnn7.6+pytorch安装教程

时间:2023-07-21 18:47:27浏览次数:57  
标签:虚拟环境 Anaconda3 -- channels pytorch cudnn7.6 conda config

版本问题很重要,为了这个版本,真的吐血版!!!

其他链接

1.cuda10.2+cudnn7.6安装和测试的方法
2.彻底卸载 Anaconda
3.新建的虚拟环境总是在c盘怎么解决

1.安装Anaconda3

在Anaconda安装的过程中,比较容易出错的环节是环境变量的配置,所以大家在配置环境变量的时候,要细心一些

① 安装地址

官网下载太慢了,推荐下载地址 清华镜像
image

② 步骤

image
image
image
image
image
image
image
image
image

③ 配置环境变量

image
在path里面增加

简要说明五条路径的用途:这五个环境变量中,1是Python需要,2是conda自带脚本,3是jupyter notebook动态库, 4是使用C with python的时候

D:\WorkSoftware\Install\Anaconda3
D:\WorkSoftware\Install\Anaconda3\Scripts
D:\WorkSoftware\Install\Anaconda3\Library\bin
D:\WorkSoftware\Install\Anaconda3\Library\mingw-w64\bin(可以不装)
D:\WorkSoftware\Install\Anaconda3\Library\usr\bin

④ 检验

打开
image

出现此界面即为安装成功:
image

⑤ 更改conda源

(后续安装第三方库可以加快速度)
image
image

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
 
//设置搜索时显示通道地址
conda config --set show_channel_urls yes

查看是否修改好通道:
image

conda config --show channels

恢复默认源

conda config --remove-key channels

删除旧镜像源

conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/cpu/

添加新镜像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/cpu/

2.安装pytorch

很重要!!!不要把pytorch下载base环境里,最好新建一个虚拟环境

① 创建虚拟环境

打开
image
输入指令

conda create -n py python=3.8

(conda会自己下载python=3.8里的最新版),对应的包在anaconda包中的envs路径下。

image
进入py虚拟环境

conda activate py

image

② 下载torch版本

conda install torch==1.9.0+cu102 torchvision==0.10.0+cu102 torchaudio===0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

image

也可以根据自己的版本自己去官网下载

查看该虚拟环境已经安装好的包

conda list

查看已有的虚拟环境

conda info -e

③ 校验

在py的环境下输入
image

improt torch
torch.cuda.is_available()

出现“True”即为成功

标签:虚拟环境,Anaconda3,--,channels,pytorch,cudnn7.6,conda,config
From: https://www.cnblogs.com/ZarkY/p/17571902.html

相关文章

  • linux上安装pytorch
    在Linux上安装PyTorchPyTorch是一个基于Python的开源机器学习库,它提供了强大的工具来构建和训练深度学习模型。本文将介绍如何在Linux上安装PyTorch,并提供一些示例代码来帮助您开始使用。步骤1:安装Anaconda要安装PyTorch,我们首先需要安装Anaconda,它是一个用于科学计算的Python发......
  • pytorch使用(三)torch.zeros用法
    torch.zeros用法torch.zeros()是PyTorch中用来创建全0张量的函数。用法为torch.zeros(size,out=None,dtype=None,layout=torch.strided,device=None,requires_grad=False)。其中,size参数表示张量的形状(shape),可以是一个整数或者一个包含多个整数的tuple。例如,torch.......
  • pytorch使用(四)np.random.randint用法
    np.random.randint用法np.random.randint是numpy库中用于生成随机整数的函数。它的用法如下:numpy.random.randint(low,high=None,size=None,dtype='l')其中,各个参数的含义如下:low:生成的随机整数的下限(包含)。high:生成的随机整数的上限(不包含)。如果不提供high参数,则生......
  • Pytorch 反向计算图
    PyTorch反向计算图介绍PyTorch是一个基于Python的科学计算库,它提供了强大的功能来构建深度学习模型。其中,反向计算图是PyTorch的一个重要特性,它使得我们能够自动计算梯度并进行反向传播,从而优化我们的模型。在本文中,我们将详细介绍PyTorch的反向计算图机制,并提供一个简单的代码......
  • 安装pytorch并且搭建环境,在pycharm上成功可运行(解决各类疑难杂症版)
    首先非常推荐小土堆的安装教程,我是根据他的安装步骤出现各种问题,并且一个个解决!链接在这里,Click!问题一:Python版本选择在这边建议是跟着up主的版本走,旧版本大抵够用,新版本很容易遇到其他问题,我下载的版本是3.7(因为以前下载的时候就是下载3.7了,到现在已经算是旧版本了)问题二:a......
  • 断点 继续训练 pytorch
    断点继续训练PyTorch在深度学习中,训练一个复杂的神经网络模型可能需要很长时间甚至数天。在这个过程中,我们经常会遇到各种问题,比如计算机死机、代码错误或者手动停止训练。为了避免从头开始重新训练模型,我们可以使用断点续训技术来保存和加载模型的状态。在本文中,我们将介绍如何......
  • 使用PyTorch 深度学习
    使用PyTorch深度学习的步骤作为一名经验丰富的开发者,我很高兴有机会向你介绍如何使用PyTorch进行深度学习。PyTorch是一个开源的深度学习框架,它提供了丰富的工具和库,使得开发者可以轻松地构建和训练深度学习模型。下面是使用PyTorch进行深度学习的一般步骤:步骤描述步骤......
  • Pytorch常用函数
    常用函数随机数torch.randn(batch,channels,rows,columns)说明:rows:行colums:列channels:通道个数batch:生成的个数生成batch个具有channels个通道的rows行columns列的tensor 求平均tensor.mean(-3):表示倒数第3维度求平均tensor.unsqueeze(-1):在最后增加一个维度。 相......
  • Sobel edge detector python pytorch
    实现Sobel边缘检测器的PythonPyTorch方法介绍在本文中,我将向你介绍如何使用Python和PyTorch实现Sobel边缘检测器。Sobel边缘检测器是一种经典的计算机视觉算法,用于检测图像中的边缘。通过学习本文,你将了解到整个流程以及每一步所需的代码。流程下面是实现Sobel边缘检测器的整......
  • pytorch Function.apply
    PyTorch中Function.apply的实现方式PyTorch是一个用于深度学习的开源机器学习框架,它提供了丰富的功能和强大的性能。其中一个重要的特性是可以定义和使用自定义的函数。在PyTorch中,我们可以使用torch.autograd.Function类来创建自定义函数。其中的apply方法是一个十分有用的函数,它......