IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> conda命令记录、torch、torchvision安装 -> 正文阅读

[Python知识库]conda命令记录、torch、torchvision安装

目录

一、conda 创建、激活、退出、删除虚拟环境

1、conda 本地环境常用操作

2、conda创建虚拟环境

3、激活虚拟环境

4、退出虚拟环境

5、删除和复制虚拟环境

6、在指定环境中管理包

二、安装tensorflow和pytorch

1、torch和torchvision版本对应关系

2、conda方法安装

3、源码安装torch和torchvision


一、conda 创建、激活、退出、删除虚拟环境

1、conda 本地环境常用操作

#获取版本号
conda --version 或 conda -V
?
#检查更新当前conda
conda update conda
?
#查看当前存在哪些虚拟环境
conda env list 或 conda info -e
?
#查看--安装--更新--删除包
conda list:
conda search package_name# 查询包
conda install package_name
conda install package_name=1.5.0
conda update package_name
conda remove package_name

2、conda创建虚拟环境

conda create --name your_env??????? #创建名为your_env的环境
conda create --name your_env python=2.7???? #创建制定python版本的环境
conda create --name your_env python=3.9?? ? #创建制定python版本的环境


#创建包含某些包(如numpy,scipy)的环境
conda create --name your_env numpy scipy
#创建指定python版本下包含某些包的环境
conda create --name your_env python=3.6 numpy scipy

3、激活虚拟环境

使用如下命令即可激活创建的虚拟环境
#Linux
conda activate your_env
?
#Windows
activate your_env

4、退出虚拟环境

使用如下命令即可退出创建的虚拟环境
#Linux
conda deactivate your_env
?
#Windows
deactivate your_env

5、删除和复制虚拟环境

删除某个环境
conda remove -n your_env --all

conda remove --name your_env --all
?
例如:? conda remove --name lxa123 --all? 这里 lxa123是环境名字
?
复制某个环境
conda create --name new_env --clone old_env

6、在指定环境中管理包

conda list -n your_env
conda install --name myenv package_name
conda remove --name myenv package_name

二、安装tensorflow和pytorch

注意:我先利用

 conda install tensorflow-gpu=2.1.0 cudatoolkit=10.1 cudnn=7.6

安装的tensorflow-gpu,再根据现有环境安装对应的pytorch和torchvision;

tensorflow-gpu安装网址:http://t.csdn.cn/iUVET

1、torch和torchvision版本对应关系

错误分析:
安装pytorch或torchvision时,无法找到对应版本
cuda可以找到,但是无法转为.cuda()

以上两种或类似错误,一般由两个原因可供分析:
cuda版本不合适,重新安装cuda和cudnn
pytorch和torchvision版本没对应上

安装torch和torchvision时,两个包都有版本对应关系

2、conda方法安装

在miniconda3安装tensorflow和pytorch

#安装GPU版本的tensorflow,并指定tensorflow的版本号
conda install tensorflow-gpu==1.14? ?
?
#安装cpu版本的 tensorflow,并指定tensorflow的版本号
conda install tensorflow==1.14
?
# 安装pytorch (GPU版本)
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 -c pytorch

# torchaudio 支持以 wav 和 mp3 格式加载声音文件。?我们称波形为原始音频信号。
?
# 安装 torch (CPU版本)
conda install pytorch torchvision cpuonly -c pytorch

3、源码安装torch和torchvision

下载网址:https://download.pytorch.org/whl/torch_stable.html

找到对应的版本下载,torchtorchvision的对应关系如下:GitHub - pytorch/vision: Datasets, Transforms and Models specific to Computer Vision

pip install torch-1.xx.0-cp38-cp38m-linux_x86_64.whl
pip install torchvision-0.xx.0-xxx.xxx-xxx-xxx.whl

验证安装是否成功:

import torch
torch.cuda.is_available()  ## 输出应该是True

t=torch.nn.Linear(3,3)
t.to("cuda:0")

input=torch.randn((3,3)).requires_grad_().to("cuda:0")
output=t(input)

loss=torch.sum(output)
torch.autograd.grad(loss,input,retain_graph=True)  ## 输出应该是一个gpu上的梯度矩阵
loss.backward()

上述代码输出正常,并且没有报错说明可以使用GPU推理反传梯度.

至此GPU版本的pytorch安装成功

1.在Ubuntu系统中搭建gpu版pytorch环境( https://blog.csdn.net/YChao99/article/details/108080621)
2. 五步解决torch.cuda.is_available()返回False的问题(https://blog.csdn.net/Flora_Olivia/article/details/104486548)
3. 验证pytorch是否为GPU版本(https://blog.csdn.net/weixin_43301333/article/details/121550257)
?

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2022-10-17 12:28:59  更:2022-10-17 12:33:04 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年12日历 -2024/12/26 1:48:21-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码
数据统计