深度学习环境

参考资料：PyTorch深度学习快速入门教程、《动手学深度学习》

PyTorch入门

环境配置

1、anaconda，用于科学计算的python发行版，推荐镜像站下载

2、英伟达显卡驱动

确保Cuda runtime version支持显卡算力，保证Cuda runtime version <= Cuda driver version

在搜索引擎查找自己显卡算力

查看Cuda driver version

1
nvidia-smi

3、PyTorch(GPU)

创建环境以应对不同项目对不同版本pytorch的需求

1
conda create -n [name] python=[版本]

报错常见解决方法

1、换源

1
2
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

2、解决SSL问题(禁用SSL验证,注意这不太安全应谨慎使用）)

1
conda config --set ssl_verify no

3、更新Conda

1
conda update conda

查看有哪些环境

1
conda env list

切换环境

1
2
conda activate pytorch
conda deactivate

查看当前环境下有哪些包

1
conda list

删除环境

1
conda remove -n [name] --all

持久化添加/删除通道

1
2
conda config --add channels [通道地址]
conda config --remove channels [通道地址]

查看配置文件中有哪些通道

1
2
conda config --get
conda config --show

在Pytorch官网根据自己显卡算力和驱动版本选择最新的Cuda runtime version即可，也推荐换源，若报错大多可能为源设置错误问题

1
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

pytorch包含三个包pytorch（核心功能）、torchvision（图像处理）、torchaudio（语言处理）

验证：

1
2
3
4
5
Python 3.8.19 (default, Mar 20 2024, 19:55:45) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cuda.is_available()
True

4、配置pycharm

选择python解释器中选择在conda中配置的解释器即可

将终端设置为Anaconda命令行，设置搜索Terminal，路径设置为Anaconda命令行位置即可

5、配置jupyter notebook

将jupyter notebook加入环境变量，添加pytorch环境

安装ipykernel：
conda install ipykernel
如果不可行就使用pip install ipykernel

激活虚拟环境

将环境写入Notebook的kernel中：
python -m ipykernel install --user --name 环境名称 --display-name "Python (环境名称)"

打开Jupyter notebook，新建Python文件，选择你创建的环境

三种运行方式对比：

1、python文件：代码以块为一个整体运行

2、命令行：逐行运行，也可以任意行shift+Enter，但不方便修改

3、以任意行为块运行

6、为下载的项目配置环境

设置中配置python解释器，安装缺少的包即可

旧版本Pytorch下载

PyTorch语法

善用dir()、help()函数

e.g.

Dataset

Dataset

抽象类

深度学习基础

贴一份GitHub上的笔记