深度学习开发环境及编程基础
pytorch安装获取本地安装后缓存目录.condarcD:\conda_pkgs # 改成自己盘符和目录pytorch官网配置,复制指令安装检查版本检查gpu可用tensorflow安装tensorflow silm在早期1.x过渡技术。tensorflow 1.x 独立开发框架(底层实现+框架搭建)tensorflow 2.x 隐藏底层实现,框架搭建kerasconda安装访问anaconda
1. 独立环境配置
conda 配置一套OS相关工具包(编译好库)
创建环境 conda create -n 环境名 python=3.7 其它conda包
进入环境 conda acitvate 环境名
退出环境 conda deactivate
查看环境 conda env list
删除环境 conda remove -n 环境名 --all
Virtualenv 纯粹环境管理
安装virtualenv pip install -i <https://pypi.douban.com/simple> Virtualenv
创建环境 virtualenv -p python.exe完整路径 环境名
进入环境 环境目录\\Scripts\\activate.bat
退出环境 环境目录\\Scripts\\deactivate.bat
environment的介绍
pytorch安装
获取本地安装后缓存目录
修改c:\users\用户名\.condarc文件内容:
pkgs_dirs:
- D:\conda_pkgs # 改成自己盘符和目录
pytorch官网配置,复制指令安装
conda install pytorch torchvision**torchtext** cudatoolkit=11.3 -c pytorch
检查版本
torch.__version__
检查gpu可用
DEVICE = 'cuda' if torch.cuda.is_available() else 'cpu’
tensorflow安装
tensorflow silm在早期1.x过渡技术。
tensorflow 1.x 独立开发框架(底层实现+框架搭建)
tensorflow 2.x 隐藏底层实现,框架搭建keras
-
conda安装
访问anaconda.org搜索tensorflow_gpu
选择anaconda/tensorflow-gpu选项中,通过File查看版本
指定安装1.15.0版本
conda install -c anaconda tensorflow-gpu=1.15.0
指定安装2.x版本
conda install -c anaconda tensorflow-gpu
-
手工安装
- pip install tensorflow-gpu==1.15.0
- 安装cuda toolkit和cudnn
-
查看tensorflow版本对应的cuda和cudnn版本
-
下载并安装cuda对应exe安装版本
-
下载cudnn后覆盖解压到cuda安装目录(需email注册一个nvidia developer官网账号)
-
检查tensorflow
import tensorflow as tf
查看版本 tf.__version__
tensorflow1.x tf.test.is_gpu_available()
tensorflow 2.x tf.config.list_physical_devices('GPU')
IDE环境配置
pycharm
VSCode
2. 深度学习基础
机器学习原理实现及pt、tf实现
更多推荐
所有评论(0)