zl程序教程

您现在的位置是:首页 >  后端

当前栏目

Python Pytorch开发环境搭建(Windows和Ubuntu)

2023-09-11 14:19:30 时间

 Python Pytorch开发环境搭建(Windows和Ubuntu)

目录

 Python Pytorch开发环境搭建(Windows和Ubuntu)

1. 安装cuda cudnn

(1)Windows安装方法

(2)Ubuntu18.04安装方法

2. 安装Python(推荐使用Anaconda)

(1)Windows安装方法

(2)Ubuntu18.04安装方法

3. Pytorch安装

4. 安装项目依赖包

5. 常见的错误


深度学习模型算法比较复杂,如果使用CPU计算,速度会很慢,因而需要使用GPU进行并行计算加速 。深度学习框架,如Pytorch,TensorFlow都支持GPU训练,使用GPU设备需要显卡的支持,比如常见1080显卡,2070显卡等,同时需要安装对应的显卡驱动,以及CUDA和cuDNN库。CUDA 是 NVIDIA 发明的一种并行计算平台和编程模型,它通过利用图形处理器 (GPU) 的处理能力,可大幅提升计算性能。而cuDNN(CUDA Deep Neural Network library)是NVIDIA打造的针对深度神经网络的加速库,是一个用于深层神经网络的GPU加速库。 

【尊重原创,转载请注明出处】https://blog.csdn.net/guyuealian/article/details/129163343 


1. 安装cuda cudnn

(1)Windows安装方法

(2)Ubuntu18.04安装方法


2. 安装Python(推荐使用Anaconda)

(1)Windows安装方法

(2)Ubuntu18.04安装方法


3. Pytorch安装

PyTorch是基于Torch的开源Python机器学习库

请选择自己的版本进行安装,比如如果你安装cuda=11.0,那么则安装对应的版本torch

pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html


4. 安装项目依赖包

项目python依赖包,Windows和Ubuntu安装方法一致;一般项目都自带requirements.txt文件,里面包含了项目开发所需要的python依赖包已经对应的版本号,比如下图第一个依赖包numpy==1.18.5,说明项目使用了numpy库,对应的版本是1.16.3,你可选择使用pip安装对应的版本:

pip install numpy==1.18.5

# 或者

pip install numpy==1.18.5 -i https://pypi.tuna.tsinghua.edu.cn/simple

其中-i后面的网址,表示安装包的下载地址,国内pip安装速度慢,可以使用-i指定镜像源,加快安装速度

其他安装包也可以用pip一个一个的安装,或者直接安装所有依赖包:

pip install -r requirements.txt

PS:一般依赖包是向下兼容的,只需要安装比requirements版本号大于或者等于的版本即可 


5. 常见的错误

  • Windows环境中,项目不要出现中文路径,否则会出现opencv读取图片异常的问题
  • 注意Windows和Linux的路径的分隔符

Windows路径分割符:【\】或者【//】 ,在python中某些库也可以使用【/】

Linux(Ubuntu)路径分割符号:【/】

  • 如果出现“No module named ***”的错误,请使用pip install *** 即可,例如出现下面的错误

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ModuleNotFoundError: No module named 'basetrainer'

请使用pip安装:

pip install basetrainer -i https://pypi.tuna.tsinghua.edu.cn/simple

其中-i后面的网址,表示安装包的下载地址,国内pip安装速度慢,可以使用-i指定镜像源,加快安装速度