当前位置: 首页 > news >正文

下载安装anaconda和pytorch的详细方法,以及遇到的问题和解决办法

下载安装Anaconda

首先需要下载Anaconda,可以到官网Anaconda官网或者这里提供一个镜像网站去下载anaconda镜像网站
安装步骤可参考该文章:Anaconda安装步骤,本篇不再赘述
注意环境变量的配置,安装好Anaconda之后一定要在环境变量中添加以下内容:
在这里插入图片描述

创建虚拟环境

安装好Anaconda后,按下Windows按钮,找到Anaconda Prompt,点击打开

在这里插入图片描述

打开后的界面如下:
在这里插入图片描述

接下来介绍几个conda命令

  1. 查看当前存在哪些虚拟环境:
conda env list 
conda info -e

在这里插入图片描述
以上是我建立的虚拟环境,如果是第一次下载,则只会有base这一个虚拟环境

  1. 新建一个虚拟环境
conda create -n pytorch39 python=3.9

其中pytorch39是你的虚拟环境的名字,你也可以取其他方便记住的名字,比如python39、pytorch等,最后的python=3.9是指定python的版本,我用的是3.9

  1. 创建完成之后需要激活该环境
activate pytorch39

输入以上命令可以激活pytorch虚拟环境,激活之后,签名的base换成pytorch39,就表示已经进入到该虚拟环境了
在这里插入图片描述
到此虚拟环境安装完毕!

注意:有时可能会出现一个问题,就是你明明已经按照这个方法创建了虚拟环境,但是在Anaconda的envs目录中依然没有所创建的虚拟环境,这时,在虚拟环境下输入 conda info -e查看虚拟环境,以及它的位置,正常的应该如下图:
在这里插入图片描述
但是有可能你所创建的虚拟环境的位置是C:\Users\Lenovo.conda\envs,在D:\Anaconda\envs(你安装Anaconda的目录)里面找不到,这个时候,到C:\Users\Lenovo目录下找到.condarc文件,打开后在文件里添加以下命令:

envs_dirs:- D://Anaconda//envs

在这里插入图片描述
保存之后再次创建虚拟环境,就会存储到Anaconda的envs目录下,方便查找和管理。

下载GPU的pytorch

首先在Anaconda Prompt中输入nvidia-smi查看你的CUDA的版本,观察Driver Version的值是否大于400,如果小于请更新显卡驱动。
在这里插入图片描述

进入到pytorch官网:pytorch官网,往下翻找到install previous version of PyTorch,可以查看之前的版本。
在这里插入图片描述
找到符合你cuda版本的命令,首先使用conda命令进行安装,比如我的cuda版本是10.2,往下翻可以找到对应的命令
在这里插入图片描述
在pytorch39虚拟环境中输入该命令就可以进行下载
在这里插入图片描述
如果下载不成功,多尝试几种方法,比如:

  1. 不指定版本,conda会自动安装较新版本,可以输入
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
  1. 如果下载速度较慢,可以去掉后面的-c pytorch
conda install pytorch torchvision torchaudio cudatoolkit=10.2

下载完成后在pytorch39虚拟环境下输入以下python进入到python中,再输入以下命令查看是否下载成功:

import torch
torch.cuda.is_available()

如果返回True,则安装成功
在这里插入图片描述

但是!!!
很多情况下会返回False,是因为conda自动安装的话可能会安装CPU版本的,而不是GPU版本

如果之前配置过清华源使用pytorch官网的命令会报错,清华源是国内的镜像,pytorch是国外的,因此连接会出现问题,可以将之前的.condarc文件夹移除掉载尝试
可以再尝试在后面添加-c nvidia

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch -c nvidia

上一步的详细内容在这里

如果还是CPU的版本,再进行以下方法,亲测有效!!
我的cuda是10.2版本,所以这里只演示10.2版本的pytorch的安装,其他版本的方法也类似
因为conda会自动下载CPU的,而要做深度学习的实验需要用到GPU的,所以你可以去自己下载pytorch的whl文件下载以下三个文件
在这里插入图片描述

  1. 下载torch:
    在这里插入图片描述
  2. 下载torchaudio
    在这里插入图片描述
  3. 下载torchvision
    在这里插入图片描述

将下载后的这三个文件放到D:盘的根目录下
在这里插入图片描述
在pytorch39虚拟环境中依次输入以下几行代码,就可以将这三个whl文件安装到虚拟环境中

pip install D:\torch-2.1.1+cu121-cp39-cp39-win_amd64.whl
pip install D:\torchvision-0.16.1+cu121-cp39-cp39-win_amd64.whl
pip install D:\torchaudio-2.1.1+cu121-cp39-cp39-win_amd64.whl

安装后再次检验

python
import torch
print(torch.cuda.is_available()) #输出True表示可用GPU版本torch
print(torch.__version__)#输出对应torch版本号

该方法详情内容在这里

最后不出意外返回的应该就是True了,恭喜你安装成功了!
在这里插入图片描述

相关文章:

下载安装anaconda和pytorch的详细方法,以及遇到的问题和解决办法

下载安装Anaconda 首先需要下载Anaconda,可以到官网Anaconda官网或者这里提供一个镜像网站去下载anaconda镜像网站 安装步骤可参考该文章:Anaconda安装步骤,本篇不再赘述 注意环境变量的配置,安装好Anaconda之后一定要在环境变量…...

2020年天津市二级分类土地利用数据(矢量)

天津市,位于华北平原海河五大支流汇流处,东临渤海,北依燕山。地势以平原和洼地为主,北部有低山丘陵,海拔由北向南逐渐下降,地貌总轮廓为西北高而东南低。天津有山地、丘陵和平原三种地形,平原约…...

设计模式——结构型——外观模式Facade

处理器类 public class Cpu {public void start() {System.out.println("处理器启动了...");} } 内存类 public class Memory {public void start() {System.out.println("内存启动了...");} } 硬盘类 public class Disk {public void start() {Syste…...

OpenGL的MVP矩阵理解

OpenGL的MVP矩阵理解 右手坐标系 右手坐标系与左手坐标系都是三维笛卡尔坐标系,他们唯一的不同在于z轴的方向,如下图,左边是左手坐标系,右边是右手坐标系 OpenGL中一般用的是右手坐标系 1.模型坐标系(Local Space&…...

前端超分辨率技术应用:图像质量提升与场景实践探索-设计篇

超分辨率! 引言 在数字化时代,图像质量对于用户体验的重要性不言而喻。随着显示技术的飞速发展,尤其是移动终端视网膜屏幕的广泛应用,用户对高分辨率、高质量图像的需求日益增长。然而,受限于网络流量、存储空间和图像…...

C++11入门手册第一节,学完直接上手Qt(共两节)

入门 hello.cpp #include <iostream>int main() { std::cout << "Hello Quick Reference\n"<<endl; return 0;} 编译运行 $ g hello.cpp -o hello$ ./hello​Hello Quick Reference 变量 int number 5; // 整数float f 0.95; //…...

Docker部署MinIO对象存储服务

1. 拉取MinIO镜像 # 下载镜像 docker pull minio/minio#查看镜像 docker images2. 创建目录 # 文件存储目录 mkdir -p /opt/minio/data# 配置文件 mkdir -p /opt/minio/config# 日志文件 mkdir -p /opt/minio/logs3. 创建Minio容器并运行 docker run \ -p 9000:9000 \ -p 90…...

基于Echarts的超市销售可视化分析系统(数据+程序+论文)

本论文旨在研究Python技术和ECharts可视化技术在超市销售数据分析系统中的应用。本系统通过对超市销售数据进行分析和可视化展示&#xff0c;帮助决策层更好地了解销售情况和趋势&#xff0c;进而做出更有针对性的决策。本系统主要包括数据处理、数据可视化和系统测试三个模块。…...

使用ai智能写作场景之gpt整理资料,如何ai智能写作整理资料

Ai智能写作助手&#xff1a;Ai智能整理资料小助手 Ai智能整理资料小助手可试用3天&#xff01; 通俗的解释一下怎么用ChatGPT来进行资料整理&#xff1a; 搜寻并获取指定数量的特定领域文章&#xff1a; 想像你在和我说话一样&#xff0c;告诉我你想要多少篇关于某个话题的文…...

C/C++ 内存管理

1、C/C内存分布 首先我们来了解在一个程序中&#xff0c;代码主要存储在哪些地方&#xff1b; 1.栈&#xff1a;又叫堆栈&#xff0c;其中一般存储非静态局部变量、函数参数、返回值等&#xff0c;栈的增长是向下的。 2.内存映射段&#xff1a;是高效的 I/O 映射方式&#xff0…...

android pdf框架-10,相册浏览

MupdfViewer 这是最后apk,源码在前面的文章已经贴过了本站下载地址,只是不是最新的.可能不少是旧的内容. subsampling-scale-image-view这是一个大图片的分块加载的实现.比较不错的.滑动方面我觉得使用flinger的效果比它要流畅,惯性要好. 也有人把这个作成pdf渲染器.但翻页就…...

基于SSM的高校普法系统(有报告)。Javaee项目。ssm项目。

演示视频&#xff1a; 基于SSM的高校普法系统&#xff08;有报告&#xff09;。Javaee项目。ssm项目。 项目介绍&#xff1a; 采用M&#xff08;model&#xff09;V&#xff08;view&#xff09;C&#xff08;controller&#xff09;三层体系结构&#xff0c;通过Spring Spri…...

数据结构刷题篇 之 【力扣二叉树基础OJ】详细讲解(含每道题链接及递归图解)

有没有一起拼用银行卡的&#xff0c;取钱的时候我用&#xff0c;存钱的时候你用 1、相同的树 难度等级&#xff1a;⭐ 直达链接&#xff1a;相同的树 2、单值二叉树 难度等级&#xff1a;⭐ 直达链接&#xff1a;单值二叉树 3、对称二叉树 难度等级&#xff1a;⭐⭐ 直达…...

Jackson 2.x 系列【6】注解大全篇二

有道无术&#xff0c;术尚可求&#xff0c;有术无道&#xff0c;止于术。 本系列Jackson 版本 2.17.0 源码地址&#xff1a;https://gitee.com/pearl-organization/study-jaskson-demo 文章目录 注解大全2.11 JsonValue2.12 JsonKey2.13 JsonAnySetter2.14 JsonAnyGetter2.15 …...

在低成本loT mcu上实现深度神经网络端到端自动部署-深度神经网络、物联网、边缘计算、DNN加速——文末完整资料

目录 前言 DNN 量化神经网络 并行超低功耗计算范式 面向内存的部署 结果 原文与源码下载链接 REFERENCES 前言 在物联网极端边缘的终端节点上部署深度神经网络( Deep Neural Networks&#xff0c;DNNs )是支持普适深度学习增强应用的关键手段。基于低成本MCU的终端节点…...

【linux】基础IO |文件操作符

需要掌握&#xff1a;操作文件&#xff0c;本质&#xff1a;进程操作文件。进程和文件的关系 向文件中写入&#xff0c;本质上向硬件中写入->用户没有权利直接写入->操作系统是硬件的管理者&#xff0c;我们可以通过操作系统往硬件写入->操作系统必须提供系统调用&…...

探索 2024 年 Web 开发最佳前端框架

前端框架通过简化和结构化的网站开发过程改变了 Web 开发人员设计和实现用户界面的方法。随着 Web 应用程序变得越来越复杂&#xff0c;交互和动画功能越来越多&#xff0c;这是开发前端框架的初衷之一。 在网络的早期&#xff0c;网页相当简单。它们主要以静态 HTML 为特色&a…...

解决: MAC ERROR [internal] load metadata for docker.io/library/openjdk:17

错误信息&#xff1a; ERROR [internal] load metadata for docker.io/library/openjdk:17 ERROR: failed to solve: openjdk:17: error getting credentials - err: exit status 1, out: 解决方法&#xff1a; running this command rm ~/.docker/config.json before …...

View事件分发

MotionEvent 1.简介 MotionEvent 是Android系统中一个非常重要的类&#xff0c;它代表了屏幕上发生的触摸事件。当用户在屏幕上触摸、滑动或者长按时&#xff0c;都会生成一个MotionEvent对象&#xff0c;这个对象包含了触摸动作的各种信息。 2.事件类型 ACTION_DOWN&#x…...

监听页面的使用时间

如果是比较新的vue架构&#xff08;推荐&#xff0c;参考若依&#xff09; 监听create&#xff08;&#xff09;和destory&#xff08;&#xff09;两个函数&#xff0c;写通用的js调用函数&#xff0c;在路由守卫的时候使用&#xff0c;就可以获取到每个页面停留时间 如果是比…...

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…...

React hook之useRef

React useRef 详解 useRef 是 React 提供的一个 Hook&#xff0c;用于在函数组件中创建可变的引用对象。它在 React 开发中有多种重要用途&#xff0c;下面我将全面详细地介绍它的特性和用法。 基本概念 1. 创建 ref const refContainer useRef(initialValue);initialValu…...

mongodb源码分析session执行handleRequest命令find过程

mongo/transport/service_state_machine.cpp已经分析startSession创建ASIOSession过程&#xff0c;并且验证connection是否超过限制ASIOSession和connection是循环接受客户端命令&#xff0c;把数据流转换成Message&#xff0c;状态转变流程是&#xff1a;State::Created 》 St…...

DAY 47

三、通道注意力 3.1 通道注意力的定义 # 新增&#xff1a;通道注意力模块&#xff08;SE模块&#xff09; class ChannelAttention(nn.Module):"""通道注意力模块(Squeeze-and-Excitation)"""def __init__(self, in_channels, reduction_rat…...

《用户共鸣指数(E)驱动品牌大模型种草:如何抢占大模型搜索结果情感高地》

在注意力分散、内容高度同质化的时代&#xff0c;情感连接已成为品牌破圈的关键通道。我们在服务大量品牌客户的过程中发现&#xff0c;消费者对内容的“有感”程度&#xff0c;正日益成为影响品牌传播效率与转化率的核心变量。在生成式AI驱动的内容生成与推荐环境中&#xff0…...

【git】把本地更改提交远程新分支feature_g

创建并切换新分支 git checkout -b feature_g 添加并提交更改 git add . git commit -m “实现图片上传功能” 推送到远程 git push -u origin feature_g...

深入解析C++中的extern关键字:跨文件共享变量与函数的终极指南

&#x1f680; C extern 关键字深度解析&#xff1a;跨文件编程的终极指南 &#x1f4c5; 更新时间&#xff1a;2025年6月5日 &#x1f3f7;️ 标签&#xff1a;C | extern关键字 | 多文件编程 | 链接与声明 | 现代C 文章目录 前言&#x1f525;一、extern 是什么&#xff1f;&…...

selenium学习实战【Python爬虫】

selenium学习实战【Python爬虫】 文章目录 selenium学习实战【Python爬虫】一、声明二、学习目标三、安装依赖3.1 安装selenium库3.2 安装浏览器驱动3.2.1 查看Edge版本3.2.2 驱动安装 四、代码讲解4.1 配置浏览器4.2 加载更多4.3 寻找内容4.4 完整代码 五、报告文件爬取5.1 提…...

让回归模型不再被异常值“带跑偏“,MSE和Cauchy损失函数在噪声数据环境下的实战对比

在机器学习的回归分析中&#xff0c;损失函数的选择对模型性能具有决定性影响。均方误差&#xff08;MSE&#xff09;作为经典的损失函数&#xff0c;在处理干净数据时表现优异&#xff0c;但在面对包含异常值的噪声数据时&#xff0c;其对大误差的二次惩罚机制往往导致模型参数…...

网站指纹识别

网站指纹识别 网站的最基本组成&#xff1a;服务器&#xff08;操作系统&#xff09;、中间件&#xff08;web容器&#xff09;、脚本语言、数据厍 为什么要了解这些&#xff1f;举个例子&#xff1a;发现了一个文件读取漏洞&#xff0c;我们需要读/etc/passwd&#xff0c;如…...