深度学习-Pytorch环境搭建（Windows）
文章目录
- 版本选择
- Python安装
- Anaconda安装
- PyTorch安装
- PyCham测试
前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击跳转到网站。
再推荐一个网站，专注于人工智能：黑红鸟网https://www.hongheiniao.com/
本文主要参考PyTorch文档
版本选择
不同操作系统，不同语言，不同包管理器安装PyTorch方法不一样。Anaconda是官网推荐的和主流的包管理器，若支持CUDA则能更好的用GPU进行加速，不过不是必选项。
首先查看是否支持GPU加速，即NVDIA显卡支持，这是硬件决定的，没有的憨憨不必去下NVDIA驱动软件了。
最直观的方法可以右键桌面，查看是否有NVDIA管理器，或者在cmd中输入nvidia-smi查看NVDIA版本，很遗憾我的没有。
不死心的我右键此电脑->管理->设备管理器->显示适配器，实锤不是NVDIA，是AMD的。
如果有NAVID，进入NAVID控制面板就可以查看对应的CUDA版本；如果像我一样没有NAVID则不能使用CUDA和GPU加速，选择CPU，如下图。
即本文主要介绍基于Windows+Python+Anaconda的Pytorch环境搭建。无缘CUDA
不过可以使用Colab，可参考我这篇博客：Colab-免费GPU算力
Python安装
只支持3.7-3.9版本的。
Python环境搭建可以参考我这篇博客：Python环境搭建-从安装到Hello World
Anaconda安装
可以在Anaconda官网下载对应安装包（巨慢）。
或者在清华镜像中下载。
或者我也上传到了百度网盘， 提取码: f4ri
打开cmd，输入conda --version即可查看Anaconda版本。
至此Anaconda安装成功( •̀ ω •́ )✧
（插播反爬信息 ）博主CSDN地址：https://wzlodq.blog.csdn.net/
PyTorch安装
- 配置镜像
在cmd中执行，添加清华镜像源。官网的巨慢。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
conda config --set ssl_verify false
conda config --set show_channel_urls yes
- 创建环境
创建一个虚拟环境，名称可以自定义，这里写的是myPytorch，Python版本可以在cmd中输入python --version查看，比如我的是3.9.1
conda create -n myPytorch python=3.9.1
中途有询问输入y即可
如上图即创建成功。
- 进入环境
在cmd中输入activate base，或者在菜单栏中打开Anaconda Prompt。
进入所创建的环境：conda activate myPytorch
- 安装
第一节版本选择时，官网给出了相应安装命令，这里去掉-c pytorch不从官网下载，在创建环境中执行以下命令即可：
conda install pytorch torchvision torchaudio cpuonly
有询问输入y即可。
进入python，能成功打印版本号即安装成功。
import torch
print(torch.__version__)
PyCham测试
在PyCham中添加创建的环境，点击File->settings->Project->Python Interpreter->Add Interpreter
import torch
print(torch.__version__)
至此Pytorch环境搭建成功φ(゜▽゜*)♪
原创不易，请勿转载（本不富裕的访问量雪上加霜 ）
博主首页：https://wzlodq.blog.csdn.net/
来都来了，不评论两句吗深度学习-Pytorch环境搭建（Windows）相关推荐
- 【Linux Mint 深度学习开发环境搭建】开发软件安装
系列文章目录 第一章 Linux mint 深度学习开发环境搭建之Nvidia显卡相关软件安装 第二章 Linux mint 深度学习开发环境搭建之开发软件安装 第三章 Linux mint 深度学习 ...
- 深度学习工作站环境搭建 ubantu16.04 安装显卡驱动 CUDA8.0 cuDNN6 anaconda tensorflow1.4.0 opencv3.4 含泪总结
深度学习工作站环境搭建 ubantu16.04 安装显卡驱动 CUDA8.0 cuDNN6 anaconda tensorflow opencv 1 安装ubantu16.04 安装时不要在线更新,在 ...
- ubuntu深度学习软硬件开发环境搭建
硬件 先从硬件自已配机器开始: 目前对于个人来说,性价比比较高的深度学习显卡是那个11G显存的GTX 1080Ti.这里显卡定了,接下来就是主板内存硬盘,显示器.先报一下我配的机器配置: CPU 英特 ...
- 深度学习GPU环境搭建
深度学习GPU环境搭建: 安装步骤: 1.安装GPU驱动:官网有(可以理解为告诉电脑这个东西怎么使用) 不同厂家的不一样,用于深度学习的一般是NVIDIA.AMD家. 本人是NVIDIA家,驱动长这样 ...
- 云服务器deeplearning_云服务器深度学习服务器环境搭建
前几天在腾讯云服务器上搭建深度学习的环境,查阅了腾讯云的官方文档及相关博客,一是发现介绍的不太全,二是大都是本地工作站上的部署教程.经过多种尝试和血泪的踩坑,暂总结出一份文档,方便将来重新部署时的查阅 ...
- 【机器学习】深度学习开发环境搭建
工欲善其事,必先利其器.首先我们需要花费一些时间来搭建开发环境. 1.安装python.python是人工智能开发首选语言. 2.安装virtualenv.virtualenv可以为一个python应 ...
- 《动手学深度学习》环境搭建全程详细教程 window用户
一.下载并安装Miniconda 第一步是根据操作系统下载并安装Miniconda,在安装过程中需要勾选"Add Anaconda to the system PATH environmen ...
- 机器学习，深度学习，环境搭建 #博学谷IT学习技术支持#
目录 一 Anaconda 1 Anaconda环境搭建 2 Anaconda的使用 3 启动jupyter服务. 4 DateSpell 5 之后都是通过Linux系统启动jupyter服务. ...
- windows10：GTX GeForce 1070+更新nvidia显卡驱动+CUDA+CUDNN+tensorflow_gpu深度学习GPU环境搭建（史上排雷最多版本）
windows10 GTX GeForce 1070+CUDA9.0+CUDNN7.6.4+TensorFlow_GPU1.5 5天星期前开始搭建tensorflow GPU环境,途中屡屡踩雷, 现在 ...
最新文章
- php捕获500错误信息,php – 如何获取有关错误500的更多信息 – 内部服务器错误？...
- Boost：基于Boost的stream流服务器
- DNS高级部署使用RSYNC部署搭建DNS view主从服务
- activiti idea 请假流程_IDEA开发流程Activiti需要注意的一些坑
- 为什么函数lamda显示权限不足_C++常用内置函数
- Python入门基础(8)--私有化属性和方法/Property属性/_new_方法/单例模式/错误和异常处理/Python动态添加属性和方法/_slots_属性
- GD32实战1__编程规范
- 什么！爬虫要违法了？别慌：守住规则，大胆去爬
- autojs获取手机背景图片,抓取壁纸
- 13_ue4进阶_蒙太奇动画实现一边走一边攻击
- 万国觉醒服务器维护,《万国觉醒》怎么换服 更换服务器方法攻略
- Android自动化测试之MonkeyRunner MonkeyDevice MonkeyImage API使用详解 脚本编写 脚本录制回放
- 无线路由的四种加密方式
- 防疫与复工同行，长沙望城进入“双统筹”的关键时刻
- 各大android应用商店的展示权重 安卓应用商店关键词+下载量+评价+其他这几项占的权重（仅供参考）
- css web页面实现一个弹窗
- 超强PCB布线设计经验谈附原理图(六)
- 关于虚拟机中linux系统时间的问题
- ADC0809检测报警c语言,51单片机ADC0809+AD590温度检测、报警程序
- 智能无障碍轮椅——汇总
热门文章