文章目錄
- 顯卡
- 驅動
- cuda
- anaconda
- 1. 下載安裝
- 2. 安裝pytorch虛擬環境
- 3. conda常用指令
- pycahrm / jupyter
- 下載安裝
- 如何建好的虛擬環境的解釋器找出來指派給代碼？
本文將詳細介紹一下如何搭建深度學習所需要的實驗環境.
這個框架分為以下六個模塊
顯卡
簡單理解這個就是我們常說的GPU,顯卡的功能是一個專門做矩陣運算的部件,用于顯示方面的運算,現在神經網路中絕大操作都是對矩陣的運算,所以我們當然可以將顯卡的矩陣運算功能應用起來,來提高計算速度.
驅動
通常指NVIDIA Driver，其實它就是一個驅動軟體，而前面的顯卡就是硬體
cuda
cuda是一個擴展包,能夠使得使用GPU進行通用計算變得簡單和優雅,它本質上是一套指令集,我們通過這個指令集來使用顯卡的矩陣運算操作;
Q:如何查看顯卡支持的cuda的最高版本?
anaconda
1. 下載安裝
下載官網：https://www.anaconda.com/
選擇與系統位數對應的安裝包下載即可，
Anaconda占用空間較大，建議選擇一個空閑的磁盤專門用來放Anaconda，
勾選添加環境變數
2. 安裝pytorch虛擬環境
- 創建一個虛擬環境：conda create -n torch(虛擬環境名) python = 3.7
此步驟 若出現以下情況：
解決方法：
在創建新的虛擬環境前先輸入以下命令，
conda config --add channels conda-forge
conda config --set channel_priority strict
conda config --set channel_priority flexible
這個路徑下存放的就是我們創建好的虛擬環境，torch檔案夾下存放的就是我們在該環境下安裝的一些包等等，
- 激活并進入該環境：conda activate torch
激活環境前處于“大廳”位置（base），在激活torch環境后，我們可以看到已經進入了我們剛才新建的torch環境下（torch），
- 查看該環境下裝了哪些工具包：conda list
- 下載pytorch：conda activate torch
下載官網：https://pytorch.org/
進入pytorch官網選擇對應的一些選項，在最后一行會生成與之相對應的代碼行，復制到終端視窗執行即可，
該命令串列示從pytorch下載前面四個工具包，
Q：如何解決下載速度過慢的問題？
由于這些網站的服務器都在國外，我們下載的話速度會非常慢，為了解決這個問題，國內有些大佬做了鏡像網站，一段時間會專門去更新一次，所以換到鏡像網站下載速度會大大提升，
清華源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls true
中科大源：
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes
本次安裝我們換清華源
換源后查看一下是否換源成功，channels表示下載通道，其中的網址都是清華源的網址，說明換源成功，
換掉原本的下載指令，去掉后面的 -c pytorch，表示從當前的清華源下載，
以下我們的pytorch虛擬環境以及一些工具包已經裝好了，
- 退出當前虛擬環境，回到大廳：conda deactivate
- 查看當前anconda中都有哪些虛擬環境：conda info -e
- 表示此時處于大廳位置，
- 在pytorch環境下撰寫測驗代碼
首先進入pytorch虛擬環境
輸入命令列import torch，若出現以下標志，說明pytorch已經安裝好，
3. conda常用指令
- 創建一個虛擬環境
conda create -n torch[虛擬環境名] python = 3.7
- 激活并進入該環境
conda activate torch
- 查看該環境下裝了哪些工具包
conda list
- 退出當前虛擬環境，回到大廳
conda deactivate
- 查看當前anconda中都有哪些虛擬環境
conda info -e
- 刪掉該環境中的所有內容，并且銷毀該環境
(base) conda remove -n torch --all
pycahrm / jupyter
下載安裝
- 下載社區版的pycharm，修改安裝路徑為空閑磁盤，
- 沒有什么需要特別注意的，直接下一步即可，
如何建好的虛擬環境的解釋器找出來指派給代碼？
我們可以創建多個虛擬環境，比如tensorflow,pytorch等，在用不同的框架時通過下面的設定切換到不同的虛擬環境即可，也有人會把所有的框架等裝到一個虛擬環境中，當然理論上也是可以的，只是不方便管理，而且同一個虛擬環境下是不允許安裝同一個工具的不同版本，這就非常不利于我們后續的學習，
具體操作如下：
pycharm中運行以下代碼測驗，若出現以下結果，說明環境搭建完成，
如果下圖第二行顯示為false，有可能是電腦顯卡不支持cuda，只需洗掉該虛擬環境，重新下載cpu版本的pytorch即可，
import torch
print(torch.__version__)
print(torch.cuda.is_available())
x = torch.randn(1)
if torch.cuda.is_available():
device = torch.device("cuda")
y = torch.ones_like(x, device=device)
x = x.to(device)
z = x + y
print(z)
print(z.to("cpu", torch.double))
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/299908.html
標籤：AI
上一篇：Ubuntu18.04安裝cuda 11.3和TensorRT 8教程（碰到的坑及填坑方法，以及python和c++的TensorRT環境搭建）
下一篇：三階PLL環路引數計算