赞
踩
Zhixiang Guo, Chuanli Dai, Xinming Wu
Computational Interpretation Group (CIG)
在清华源的网站里找到最合适自己的版本下载清华大学开源软件镜像站。
(清华源下载速度快,推荐较新版本,windows下载.exe后缀,linux和macos下载.sh后缀或者.pkg的安装包)
这里附上各系统安装的教程:
不管是哪种方法安装都需要配置环境变量,只是windows的稍微麻烦一点,配置好环境变量之后系统才能找到anaconda的路径。在终端输入“conda --version“来判断是否安装成功。
Windows:
Ubuntu:
Macos:
(建议先换成清华源之类的,这样下载速度会快很多,如果遇到HTTP之类的任务可以尝试把网址中的“https”改为“http”)
确认自己是否成功换源可以用以下指令查看:
conda config --show-sources
打开终端(以Windows为例,其他的系统是一样的):
(base) PS C:\Users\USTC> conda create -n env_name python=3.9
其中“env_name”是你的自定义的虚拟环境名,通常根据你的任务来命名会更容易辨识
键入“y”即可安装完毕。
(base) PS C:\Users\USTC> conda activate env_name
激活之后会发现左边的小括号已经从“base”变成了你进入的环境“env_name”。
(env_name) PS C:\Users\USTC>
(env_name) PS C:\Users\USTC> conda list
(env_name) PS C:\Users\USTC> conda env list
或者
(env_name) PS C:\Users\USTC> conda info -e
(env_name) PS C:\Users\USTC> conda deactivate
我们可以在pytorch的官网查找自己需要的版本(推荐最新的):
(注:集成显卡没有cuda, 直接用 pip install pytorch安装)
Previous PyTorch Versions | PyTorch
conda对依赖的要求比较高,但是可以保证你安装的库之间不冲突,pip在这方面限制就比较少,所以推荐先使用conda安装,实在安装不了再考虑pip
首先,进入我们创建的环境(每个环境是独立的,你在A环境下安装了pytorch,就需要进入环境A才可以使用,环境B则需要重新安装)
(base) PS C:\Users\USTC> conda activate env_name
然后,在pytorch官网中找到我们需要的版本(以2.0.1为例):
(env_name) PS C:\Users\USTC> conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.8 -c pytorch -c nvidia
这个安装可能需要花费比较长的时间,需要耐心地等待,和网络状态也有很大关系。
(比如我这里用macos安装,我就选择“OSX”的指令输入,再等待安装完毕。)
安装完成之后稍做验证即可(输入“exit()”退出):
1.windows或者linux验证方法:
- (dinov2) PS C:\Users\USTC> python
- Python 3.9.16 (main, Mar 8 2023, 10:39:24) [MSC v.1916 64 bit (AMD64)] on win32
- Type "help", "copyright", "credits" or "license" for more information.
- >>> import torch
- >>> print(torch.cuda.is_available())
- True
- >>> print(torch.cuda.device_count())
- 1
- >>> print(torch.version.cuda)
- 11.7
- >>>
2.macos验证方法:
- (env_name) GZXustcdeMacBook-Pro:~ gzxustc$ python
- Python 3.9.18 | packaged by conda-forge | (main, Aug 30 2023, 03:52:10)
- [Clang 15.0.7 ] on darwin
- Type "help", "copyright", "credits" or "license" for more information.
- >>> import torch
- >>> print(torch.__version__)
- 2.1.0
- >>> print(torch.device("mps"))
- mps
- >>> exit()
这些库是用的比较多的,具体要根据自己的需求,如果不确定可以都装上。
(env_name) PS C:\Users\USTC> conda install numpy
(env_name) PS C:\Users\USTC> conda install pandas
(env_name) PS C:\Users\USTC> conda install matplotlib
(env_name) PS C:\Users\USTC> conda install scipy
(env_name) PS C:\Users\USTC> pip install opencv-python
torchvision在安装pytorch时可能已经装好了。
(env_name) PS C:\Users\USTC> pip install torchvision
(env_name) PS C:\Users\USTC> pip install torchvision
(env_name) PS C:\Users\USTC> pip install scikit-learn
http://cig.ustc.edu.cn/software/list.htm
(env_name) PS C:\Users\USTC> pip install cigVis
(env_name) PS C:\Users\USTC> pip install functoolsplus
jupyter写代码交互性比较好,允许用户逐个单元格(cell)地执行代码,查看中间结果,以及即时调整和修改代码。还可以插入 Markdown 单元格,用于编写文本、公式、图表说明等,使得文档更具可读性。
1.在base环境下安装Jupyter notebook(可用"conda deactivate"退出当前环境回到base):
(base) PS C:\Users\USTC> conda install jupyter notebook
2.我们在base安装好了jupyter之后,想要在新的环境里用jupyter,就需要在新环境里注册新的Kernel,先“conda activate env_name”进入新环境,再安装kernel:
(env_name) PS C:\Users\USTC> conda install -c anaconda ipykernel
3.安装好之后再把当前环境添加到juypter notebook(env_name是你的kernel名称,建议和环境一致):
(env_name) PS C:\Users\USTC> python -m ipykernel install --user --name=env_name
4.安装完成之后,去指定文件夹,在终端输入“jupyter notebook”即可进入。
(env_name) PS C:\Users\USTC> jupyter notebook
通常情况下网页会自动弹出(jupyter 浏览器不能自动弹出,网页不显示问题解决):
装好kernel之后会发现新建时能够看见我们刚刚创建的kernel:
我们还可以自定以jupyter notebook的外观以及各种插件让我们写代码时更加快乐和轻松。
安装完环境之后,可以用jupyter notebook跑一个简单的demo测试一下:
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。