当前位置:   article > 正文

深度学习入门之初学之环境搭建及经验_深度学习环境搭建

深度学习环境搭建

下面谈一下我在搭建这个学习到的一些知识以及总结的一些经验。

首先通过镜像源下载anaconda这个软件,这个软件的好处在于它能满足你不同的应用环境,初始情况只有一个(base)环境,我们不在这个环境里面去安装任何的包,而是在后继自己激活的环境中去安装相对应的包。

下面这张图清楚的说明了anaconda的环境的优点:

(base)环境是基础环境,后继是在base基础上自己激活的其他环境。


下面来看看是怎样激活这些环境的:装好anaconda之后,选择anaconda prompt。

出现(base)便表示成功

这就是base环境。


环境设置:

在我们做项目的时候可以能需要不同环境的python版本,有时候要1.0版本,有的需要3.0版本的拿在这里我们就需要建立不同的环境,在不同的需要的时候去使用。

这个是在Anaconda Prompt下操作的:

第一步:输入

conda create -n pytorch python=3.9

注:这是创建的格式

"pytorch"是这个环境变量的名字,也就是上面第一个图中的第二个环境

"python=3.9",这里的3.9是你的Python版本号,根据自己的来填

第二步:告诉我们创建这个环境需要这些包加入,同意就输入y

出现下图就表示操作成功。

接下来:

(1)输入以下代码


<code class="language-plaintext hljs">activate pytorch</code>

我们输入activate pytorch(pytorch是你定义的这个环境的名字),左边的环境就从base(基本环境),变成了pytorch环境。也就是说我们进入了新创建的这个环境,可以在这个里面安装自己需要的包,也可以再通过上面步骤创建新的环境。

(2)输入以下代码


<code class="language-plaintext hljs">pip list</code>

输入pip list,查看当前环境下面有哪些包,我们发现没有pytorch,那么下面我们就需要安装它。


二、Pytorch安装

1、进入pytorch官网

PyTorch

An open source machine learning framework that accelerates the path from research prototyping to production deployment.

PyTorch

(1)由于我的显卡是AMD显卡,不支持cuda,所以无法安装GPU版本的pytorch。如果你的显卡是英伟达的,可在Compute Platform选择cuda版本,AMD显卡则选择CPU。

注意:conda和pip是几乎差不多的,且pip下载更快,第一次用conda花了很长时间,后面用pip快了不少,还有一个下载速度慢的原因是这些包在国内都有被qiang的可能,因此下载起来很慢,所以在安装包的时候,我都是用下面这种方法:

更改以下pip的源:


<code class="language-plaintext hljs">pip install 包名 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com</code>

通过替换包名加快下载,非常好用,下载很快


而下面这种方法和上述方法的原理相同,但是清华的镜像源目前不是很稳,有时候也会出现网络不稳的问题,总之,用上面的方法能解决大部分安装包的问题。

(2)复制Run this Command后面这段代码

注意:下载速度慢的解决方案如下

下载速度慢或者下载老是中断的小伙伴,可以考虑使用镜像源下载,常用的镜像源是清华镜像源。在粘贴Run this Command后面的代码之前可以添加如下几行语句:

conda config --add channels Index of /anaconda/pkgs/free/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

conda config --add channels Index of /anaconda/pkgs/main/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

conda config --set show_channel_urls yes

conda config --add channels Index of /anaconda/cloud/pytorch/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

————————————————

三、检验pytorch是否安装好:

(1)第一步:在命令行输入以下代码


<code class="language-plaintext hljs">Python</code>

(2)第二步:在命令行输入以下代码


<code class="language-plaintext hljs">import torch</code>

(3)第三步:在命令行输入以下代码


<code class="language-plaintext hljs">torch.__version__</code>

如果出现下面这种情况,说明安装成功:


至此,含有torch包的pytorch环境搭建完成。


由于后面要大量使用jupyter notebook ,所以还需要装一个有torch包的jupyter,安装anaconda之后,会同时帮你安装jupyter,但它默认安装在base环境中,但base环境中没有torch包,现在有两种情况可以选择:

  1. 在base环境装torch

  1. 在pytorch环境装jupyter

我们选择第二种方法,但这里需要在pytorch环境中安装一个包


<code class="language-plaintext hljs">pip install nb_conda -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com</code>

注意:个人认为pip install 和 conda instal 效果相同。同时为了安装更快,可使用镜像源:在上面命令后面加一个镜像源。

至此,还有pytorch的记事本也安装完成。下面就可以去训练你的pytorch模型了。


最后,在讲一下踩过的一些坑和经验,在安装包方面,使用pip install+包名+镜像可以解决大部分安装问题,但是由于第一次安装,前面失败次数过多,导致我的pytorch含有的包非常杂乱,以至于在安装一个包的时候出现了这种情况:存在XXX.XXX版本的包,,无法卸载这个并且安装新的包。 那我们可以采取这种方法去强制安装:


<code class="language-plaintext hljs">pip install 包名 --ignore-installed 上门无法卸载的包</code>

要想安装更快可以在pip命令行后面加镜像源。


至此,环境搭建基本结束,后面开始通过好好利用jupyter notebook更加深入的学习。

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/不正经/article/detail/226931
推荐阅读
相关标签
  

闽ICP备14008679号