摘要:本文在AutoDL提供的JupyterLab中配置了深度学习环境。首先创建了base环境,然后创建了自己的环境(命名为x9py38),并在x9py38环境中安装了一些深度学习包,具体包括PyTorch、jupyter d2l和ipykernel。
一、创建环境
- 进入JupyterLab,具体操作如图所示。
- 进入终端。
- 在终端中输入
vim ~/.bashrc
然后按下回车Enter键,进入下图界面
- 在键盘上按下i键,再按回车Enter键(此时进入编辑界面,和之前界面相比,最后一行多了-- INSERT --)。然后通过方向键把光标放在最后一行最后一个字母。
- 按回车Enter键,到新一行,输入
source /root/miniconda3/etc/profile.d/conda.sh
然后按下Esc键,输入:wq
最后按下回车键,完成编辑,回到刚刚的界面。
- 输入
bash
,按下Enter键,刷新界面
- 输入
conda activate base
,看看是否可以进入base环境,如果可以,说明之前的工作成功了。
- 建立自己的环境,尽量不在base环境工作
(1) 输入conda create -n x9py38 python=3.8
,此处的x9py38
是自己环境的名字,可以起别的名。
(2) 按下回车
(3) 鼠标滚轮滑到低,输入y
(4) 按下回车后,会出现如下界面。
- 进入刚建好的环境。输入
conda activate x9py38
后,按下回车
二、安装PyTorch和其他包
-
在【查看详情】中可以看到,我当时选择的是cuda 11.3
-
进入 https://pytorch.org/get-started/previous-versions/ 查找cuda对应版本需要安装的pytorch
我在v1.12.1中找到了cuda 11.3安装PyTorch所需命令。
- 复制一下,粘贴到终端。
- 按下回车后,稍等一下,会出现如下界面,输入
y
即可
- 按下回车,耐心等待下载
下载完成是这样
标签:教程,AutoDL,界面,x9py38,环境,按下,回车,深度,输入 From: https://www.cnblogs.com/xing9/p/17973488/autodl_env