人工智能之配置环境教程二：在Anaconda中创建虚拟环境并在VsCode中使用

news/2024/12/22 9:58:33/

人工智能之配置环境教程二：在Anaconda中创建虚拟环境安装pytorch并在VsCode中使用虚拟环境

  • 作者介绍
  • 一. 在Anaconda中创建虚拟环境
    • 1. 进入本地终端
      • 1.1 键盘使用**win+R**快捷键
      • 1.2 输入**cmd**点击**确定**进入windows命令行终端
    • 2. 安装镜像源
        • 2.1 添加镜像源
    • 3. 创建虚拟环境
        • 3.1 使用指令创建虚拟环境
        • 3.2 查看Anconda中是否出现创建好的虚拟环境
    • 4. 进入虚拟环境
        • 4.1 终端运行如下指令查看本地环境
        • 4.2 终端运行如下指令进入虚拟环境
        • 4.3 终端运行如下指令退出虚拟环境
  • 二. 在虚拟环境中安装pytorch和torchvision
    • 1. 在虚拟环境中安装Pytorch
    • 2. 在虚拟环境中安装torchvision
    • 3. 验证是否安装成功
    • 4. 后续：GPU版本安装失败或安装不同版本的pytoch
  • 三. VsCode 中使用虚拟环境
    • 1．在VScode中添加Python解释器
      • 1.1 安装Python插件
      • 1.2 添加Python解释器
  • 四. 创建项目并在VScode中打开

作者介绍

孟莉苹，女，西安工程大学电子信息学院，2021级硕士研究生，张宏伟人工智能课题组。
研究方向：机器视觉与人工智能。
电子邮件：2425613875@qq.com

安装前先下载安装包，建议在博主已准备好的百度网盘链接中下载：

百度网盘链接：https://pan.baidu.com/s/1FgjTixyrP0xL-SRrUSARhw
提取码：2021

注：本教程安装版本为Pytorch=1.1.0,对应cuda=9.0, torchvision=0.3.0, Python=3.6，预计耗时30分钟可完成，查找显卡驱动可能需要些时间。

说在前面！！！

安装前必备条件：
查询自己电脑是否支持GPU运算.

1. 安装GPU版本的Pytorch（推荐）
安装GPU版本Pytorch则需要满足显卡驱动的要求，不注意显卡驱动的要求安装GPU版本的Pytorch后，在本教程第6步验证时可能会出现False。

本教程尽量满足大家显卡驱动的版本，选择常用的cuda9.0，对应的显卡驱动版本需>=385.54，否则安装的版本不能使用GPU运算。如下图为不同的驱动版本所支持的cuda(cuda为加速运算的引擎)，驱动版本向下兼容。
在这里插入图片描述
查询自己的显卡驱动所支持的cuda版本.
查询到驱动版本大于385.54即可，若不满足，需要更新驱动或者安装CPU版本的Pytorch。（如下图我所使用是驱动精灵软件、或者使用官方的GeForce Experience）
在这里插入图片描述
2. 安装CPU版本的Pytoch
在本教程的GPU版本Pytorch安装的第3步运行完之后，安装CPU版本Pytoch。进入虚拟环境，使用Pytoch官网指定的方式安装即运行如下指令，然后直接跳到第6步验证是否安装成功，import torch不报错就成功了：

conda install pytorch-cpu==1.1.0 torchvision-cpu==0.3.0 cpuonly -c pytorch

下面开始GPU版本的pytorch快速安装之旅吧！

一. 在Anaconda中创建虚拟环境

1. 进入本地终端

1.1 键盘使用win+R快捷键

在这里插入图片描述

1.2 输入cmd点击确定进入windows命令行终端

在这里插入图片描述

2. 安装镜像源

2.1 添加镜像源

在命令行依次运行下列5条指令添加。

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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

3. 创建虚拟环境

3.1 使用指令创建虚拟环境

创建虚拟环境(例如安装的虚拟环境名为Python36, Python版本指定为3.6)，终端运行如下指令：

conda create -n py36 python=3.6

3.2 查看Anconda中是否出现创建好的虚拟环境

打开Anconda，点击Environments发现有了名为py36的虚拟环境。

在这里插入图片描述
注： 接下来就可以在名为py36这个虚拟环境中安装各种科学计算的包和框架（pytorch），若有多个环境，那么例如需要python3.7，那么就创建python3.7的虚拟环境，有conda管理不会出现版本冲突。

4. 进入虚拟环境

进入和退出虚拟环境使用指令如下（图中为进入虚拟环境名为py36，并且验证python是否安装成功）

4.1 终端运行如下指令查看本地环境

conda env list

4.2 终端运行如下指令进入虚拟环境

conda activate py36

4.3 终端运行如下指令退出虚拟环境

conda deactivate

注意事项：进入虚拟环境如图：会有小括号（虚拟环境名:py36），进入虚拟环境后就可以在python为3.6的环境下配置pytorch了，尽情安装吧！
在这里插入图片描述

二. 在虚拟环境中安装pytorch和torchvision

本教程利用终端指令源码编译安装，博主已踩过很多坑，这里快速助力你进行安装。pytorch和torchvision版本需要对应，可自己查询。这里选择安装的是pytoch1.1.0和torchvision0.3.0

1. 在虚拟环境中安装Pytorch

  • 下载pytoch1.1.0的源码包的网站：（安装包已经下载好并提供给大家，在文件中找到如下图片命名的安装包即可，以后若需要安装别的版本的去此网站下载，注意需要下载GPU版的安装包，下载好对应的pytorch版本后，继续 【步骤4】进行安装。另外,不同的系统和显卡驱动可能会需要安装更高版本的pytorch，并且按照此教程在最后安装完成后验证GPU为False，可以再参考 【步骤7】 进行安装）
    https://download.pytorch.org/whl/cu90/torch_stable.html
    选择并下载：
    在这里插入图片描述
    我所创建的虚拟环境起名为py36six，进入虚拟环境后，找到安装源码包的位置，例如我的路径在：E:\CDESKTOP\安装教程\torch-1.1.0-cp36-cp36m-win_amd64.whl

在这里插入图片描述

  • 利用pip运行如下指令安装，很快便可编译，不会因为网络问题等出现任何错误，这至此，pytoch1.1.0安装完成，还需要安装torchvision：
pip install E:\CDESKTOP\安装教程\torch-1.1.0-cp36-cp36m-win_amd64.whl

在这里插入图片描述

2. 在虚拟环境中安装torchvision

Pytorch、torchvision和python是有对应的版本关系的，本教程查到pytoch1.1.0对应的torchvision版本为0.3.0。
补充，pytoch和torchvision的版本对应关系可在 pytorch官网查询。对应关系也可参考下图：
在这里插入图片描述

  • 下面使用pip指令安装torchvision0.3.0，参考链接.：
pip install --no-deps torchvision==0.3.0

在这里插入图片描述

3. 验证是否安装成功

安装完成后，在虚拟环境中依次运行如下指令进行验证Pytoch是否安装成功以及GPU是否可用；

python 
import torch 
torch.cuda.is_available()

在这里插入图片描述

  • 若 import torch 不报错，说明torch安装成功，安装cpu版本验证本条指令成功即可。
  • 若 torch.cuda.is_available() 结果显示True，那么恭喜你GPU版本安装完成，则可以跳过【4.后续】，然后继续Vscode中使用虚拟环境的教程。

4. 后续：GPU版本安装失败或安装不同版本的pytoch

以下windows版本安装的参考链接：window \ Linux \ Mac安装不同版本的pytoch.

windows版本

  • conda安装
1.cuda9.0  python3.6/3.5/3.7
conda install pytorch -c pytorch
pip3 install torchvision
2.cuda8.0 python3.6/3.5/3.7
conda install pytorch cuda80 -c pytorch
pip3 install torchvision
  • Pip安装
1.CUDA8.0  python3.5
pip3 install http://download.pytorch.org/whl/cu80/torch-0.4.1-cp35-cp35m-win_amd64.whl
pip3 install torchvision
2.CUDA8.0  python3.6
pip3 install http://download.pytorch.org/whl/cu80/torch-0.4.1-cp36-cp36m-win_amd64.whl
pip3 install torchvision
3.CUDA8.0  python3.7
pip3 install http://download.pytorch.org/whl/cu80/torch-0.4.1-cp37-cp37m-win_amd64.whl
pip3 install torchvision1.CUDA9.0  python3.7
pip3 install http://download.pytorch.org/whl/cu90/torch-0.4.1-cp37-cp37m-win_amd64.whl
pip3 install torchvision
2.CUDA9.0  python3.6
pip3 install http://download.pytorch.org/whl/cu90/torch-0.4.1-cp36-cp36m-win_amd64.whl
pip3 install torchvision
3.CUDA9.0  python3.5
pip3 install http://download.pytorch.org/whl/cu90/torch-0.4.1-cp35-cp35m-win_amd64.whl
pip3 install torchvision1.CUDA9.2 python3.5
pip3 install http://download.pytorch.org/whl/cu92/torch-0.4.1-cp35-cp35m-win_amd64.whl
pip3 install torchvision
2.CUDA9.2 python3.6
pip3 install http://download.pytorch.org/whl/cu92/torch-0.4.1-cp36-cp36m-win_amd64.whl
pip3 install torchvision
3.CUDA9.2 python3.7
pip3 install http://download.pytorch.org/whl/cu92/torch-0.4.1-cp37-cp37m-win_amd64.whl
pip3 install torchvision1.没有CUDA  python3.5
pip3 install http://download.pytorch.org/whl/cpu/torch-0.4.1-cp35-cp35m-win_amd64.whl
pip3 install torchvision
2.没有CUDA  python3.6
pip3 install http://download.pytorch.org/whl/cpu/torch-0.4.1-cp36-cp36m-win_amd64.whl
pip3 install torchvision
3.没有CUDA python3.7
pip3 install http://download.pytorch.org/whl/cpu/torch-0.4.1-cp37-cp37m-win_amd64.whl
pip3 install torchvision

三. VsCode 中使用虚拟环境

1．在VScode中添加Python解释器

1.1 安装Python插件

  • 进入VsCode软件，点击“扩展”，并在搜索框中输入Python，然后选择Python插件右下角的Install；
    在这里插入图片描述

1.2 添加Python解释器

  • 按快捷键 “Ctrl+Shift+P” ，调出全局设置搜索窗口，然后输入 “Python:Select Interpreter” 后会出现 “Python:Select Interpreter” 选项，点击该选项；

在这里插入图片描述

  • 点击该选项会后跳转到 Python 解释器配置窗口，这里显示的是已经添加好的Python解释器，选择py36，即可在VsCode中使用Python了；
    在这里插入图片描述

四. 创建项目并在VScode中打开

  • 在桌面新建文件夹，并命名为“AI-case”；
    在这里插入图片描述
  • 在VScode中，点击 ”File”，并选择 ”Open Folder”，将桌面新建的“AI-case”添加进来；

在这里插入图片描述

  • 添加“AI-case”后点击确定，并选择“Yes，I trust the authors”;

在这里插入图片描述

  • 在添加进来的“AI-case”项目中点击“New fiel…”新建text.py；

在这里插入图片描述

  • 在创建好的text.py中输入“print（‘hello world’）”，并点击运行按钮，即可在终端得到运行结果；
    在这里插入图片描述
    注意事项：若VsCode进入终端后是PS环境；则先在终端中输出cmd，退出PS环境，再手动输入 “conda activate py36” 进入配置好的py36环境中;
    在这里插入图片描述

参考链接：

  • 快速安装pytorch.

  • 本课题组官方链接：Ubuntu下利用Conda创建虚拟环境并安装Pytorch各版本教程（妈妈再也不用担心我在家还不学习了系列三）.

  • 各版本Pytorch安装详解.

课题组踩坑总结经验，希望大家不吝一键三连，关注支持一下！！！


http://www.ppmy.cn/news/69882.html

相关文章

python爬虫之正则详解

python爬虫之正则详解

正则表达式是一种使用单个字符串来描述、匹配和定位文本中某个特定模式的工具。在 Python 编程语言中，正则表达式可以用来处理各种文本数据、数据采集和处理、爬虫和搜索等方面。在本文中，我们将学习如何在 Python 爬虫中使用正则表达式，包括…
阅读更多...
【前端面经】JS-异步解决方案

【前端面经】JS-异步解决方案

同步和异步 众所周知, JavaScript是一门单线程的语言, 单线程就意味着同一时间只能执行一个任务, 当前任务执行结束, 才会执行下一个任务. 这种模式的好处就是执行环境比较单纯, 但坏处也很明显, 一旦有某个任务卡住了, 就会导致整个程序阻塞. 为了解决这个问题, JS将任务的执…
阅读更多...
【Java】基础知识点总结

【Java】基础知识点总结

Java学习记录---已完成 Java基础第一部分：变量、操作符、控制流程、数据结构第二部分：类和对象第三部分：接口与继承第四部分：数字与字符串第五部分：日期 学习地址: HOW2J.CN Java基础 第一部分：变量、操作…
阅读更多...
三、Neo4j 源码研究系列 - 持久化

三、Neo4j 源码研究系列 - 持久化

version: v-2023051401 author: 路__ 说到数据库，那么离不开的模块就是持久化（Persistence），数据持久化是数据库不可缺少的重要组成模块之一。可以说一个数据库少了持久化功能，可以说这个数据库就不足以称为数据库。…
阅读更多...
使用thrift进行RPC通信(附c程序示例)

使用thrift进行RPC通信(附c程序示例)

前言 为了实现不同语言的程序跨进程、跨主机通信，一般可以采用mq或rpc框架来实现。 对于异步通知的场景可以使用mq，如zeroMQ。 但对于某些实时性较强且同步的应用场景，使用成熟的rpc框架来实现也是一种比较更好的选择。 开源的rpc框架有很…
阅读更多...
JS 实现区块链分布式网络

JS 实现区块链分布式网络

JS 实现区块链网络 这里主要 JS 实现区块链 实现的部分继续下去，对 Blockchain 这个对象有一些修改，如果使用 TS 的话可能要修改对应的 interface，但是如果是 JS 的话就无所谓了。 需要安装的依赖有： express body-parser 现在…
阅读更多...
Windows cmd命令行计划任务使用详解

Windows cmd命令行计划任务使用详解

哈喽，大家好，我是[有勇气的牛排]（全网同名）🐮🐮🐮 有问题的小伙伴欢迎在文末[评论，点赞、收藏]是对我最大的支持！！！。 https://www.couragestea…
阅读更多...
postman接口自动化测试

postman接口自动化测试

Postman除了前面介绍的一些功能，还有其他一些小功能在日常接口测试或许用得上。今天，我们就来盘点一下，如下所示： 1.数据驱动 想要批量执行接口用例，我们一般会将对应的接口用例放在同一个Collection中，然…
阅读更多...
最新文章

Copyright @ 2022~2023