当前位置:   article > 正文

Anaconda安装以及Pytorch环境配置教程_anaconda搭建pytorch2环境

anaconda搭建pytorch2环境

Anaconda安装以及Pytorch环境配置教程

Zhixiang Guo, Chuanli Dai, Xinming Wu

Computational Interpretation Group (CIG)


1.Anaconda 安装

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:

Windows安装Anaconda教程

Ubuntu安装Anaconda教程

Mac安装Anaconda

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:


2.虚拟环境安装以及简单操作

(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”)

ubuntu换清华源(windows也可以)

Windows换清华源

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):

1)创建新的虚拟环境

(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。

2)激活虚拟环境

(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>

3)查看当前环境下已安装的库

(env_name) PS C:\Users\USTC> conda list

4)查看所有的环境

(env_name) PS C:\Users\USTC> conda env list

或者

(env_name) PS C:\Users\USTC> conda info -e

5)退出当前虚拟环境

(env_name) PS C:\Users\USTC> conda deactivate

3.Pytorch安装

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:

  1. (dinov2) PS C:\Users\USTC> python
  2. Python 3.9.16 (main, Mar 8 2023, 10:39:24) [MSC v.1916 64 bit (AMD64)] on win32
  3. Type "help", "copyright", "credits" or "license" for more information.
  4. >>> import torch
  5. >>> print(torch.cuda.is_available())
  6. True
  7. >>> print(torch.cuda.device_count())
  8. 1
  9. >>> print(torch.version.cuda)
  10. 11.7
  11. >>>

2.macos验证方法:

  1. (env_name) GZXustcdeMacBook-Pro:~ gzxustc$ python
  2. Python 3.9.18 | packaged by conda-forge | (main, Aug 30 2023, 03:52:10)
  3. [Clang 15.0.7 ] on darwin
  4. Type "help", "copyright", "credits" or "license" for more information.
  5. >>> import torch
  6. >>> print(torch.__version__)
  7. 2.1.0
  8. >>> print(torch.device("mps"))
  9. mps
  10. >>> exit()

4.一些实用库的安装

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。

1)NumPy主要用于处理多维数组和执行各种数学运算。NumPy 提供了丰富的功能,包括数学、逻辑、形状操作、排序、选择、I/O、离散傅里叶变换等

(env_name) PS C:\Users\USTC> conda install numpy

2)Pandas 提供了高性能、易用的数据结构和数据分析工具,使得在Python中进行数据清理、转换、分析和可视化变得更加简单和高效。

(env_name) PS C:\Users\USTC> conda install pandas

 3)Matplotlib 提供了各种绘图工具,使得用户能够创建各种静态、交互式和动态的图形

(env_name) PS C:\Users\USTC> conda install matplotlib

 4)SciPy 是建立在 NumPy 的基础上,提供了更多的数学、科学和工程计算工具

(env_name) PS C:\Users\USTC> conda install scipy

 5)OpenCV是一个用于计算机视觉和图像处理的开源计算机视觉库。它由一系列高效的计算机视觉算法组成,涵盖了图像处理、计算机视觉、机器学习等多个领域

(env_name) PS C:\Users\USTC> pip install opencv-python

6)torchvision 是 PyTorch 生态系统中专注于计算机视觉任务的库。它提供了一系列工具、数据集和预训练的模型,方便用户进行图像处理、计算机视觉任务和深度学习模型的实验

torchvision在安装pytorch时可能已经装好了。

(env_name) PS C:\Users\USTC> pip install torchvision

7)torchmetrics是一个用于 PyTorch 的指标计算库,专注于深度学习任务中的性能评估。它提供了一系列常用的评估指标,用于分类、回归和其他任务,使用户能够方便地评估训练过程和模型性能

(env_name) PS C:\Users\USTC> pip install torchvision

8)sklearn是一个用于机器学习和数据挖掘的 Python 库,提供了一系列简单而有效的工具,用于数据预处理、监督学习和无监督学习。并且sklearn.metrics也提供了一些评估指标,包括混淆矩阵的计算

(env_name) PS C:\Users\USTC> pip install scikit-learn

9)对数据进行可视化的库也很多,这里推荐课题组李金涛师兄基于vispy写的可视化库cigVis,包含一维,二维和三维的可视化,种类也比较丰富:

http://cig.ustc.edu.cn/software/list.htm

(env_name) PS C:\Users\USTC> pip install cigVis

10)Python 的 functools 模块提供了一些常用的高阶函数,也就是用于处理其它函数的特殊函数 

(env_name) PS C:\Users\USTC> pip install functoolsplus

 5.jupyter notebook的安装

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。

jupyter notebook 主题修改

Jupyter Notebook插件


6.demo测试

安装完环境之后,可以用jupyter notebook跑一个简单的demo测试一下:

全连接网络demo

卷积神经网络demo

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/weixin_40725706/article/detail/489159
推荐阅读
相关标签
  

闽ICP备14008679号