python+pytorch+d2l 超详细安装攻略

这篇具有很好参考价值的文章主要介绍了python+pytorch+d2l 超详细安装攻略。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

python安装包

官网

第一步首先在python官网下载适合自己电脑的python版本(注意x86是32位的,x86-64是64位的)
这里选择3.7版本
官网:
www.python.org/downloads/
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
在下面选取想要的版本
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
选择安装包:web-based安装包最小,是基于网络安装,下载快,executable是exe安装,embeddable zip是压缩包安装(注意x86是32位的,x86-64是64位的)
d2l库,动手学习深度学习-日志,python,pytorch,深度学习

一些注意事项:
d2l库,动手学习深度学习-日志,python,pytorch,深度学习

选取过往版本时:
d2l库,动手学习深度学习-日志,python,pytorch,深度学习

安装

我们拿到python-3.7.9-amd64的 64位 web-based安装包
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
建议右键以管理员身份运行

切记勾选 添加到环境变量(Add Python 3.7 to PATH)
选择第二个来自定义安装路径
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
这里我选择勾选了Install for all users,并更改了安装路径
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
d2l库,动手学习深度学习-日志,python,pytorch,深度学习

Install for all users所有用户可使用
Associate files with Python关联PY相关的文件
Create shortcuts for installed applications创建桌面的快捷方式
Add Python to environment variables添加系统变量(windows系统)
Precompile standard library安装预编译标准库
Download debugging symbols安装调试模块(开发者可选择,运用于开发环境)
Download debug binaries安装用于VS的调试符号(二进制),如果不使用VS作为开发工具,则无需勾选(支持VS2015以上版本),适用于.NET开发。

禁用路径长度限制(建议选择,不确定影响)
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
d2l库,动手学习深度学习-日志,python,pytorch,深度学习

验证

安装成功验证:
cmd进入终端输入:python
d2l库,动手学习深度学习-日志,python,pytorch,深度学习

python模块安装

介绍几种常用的模块安装方法:
pc终端执行(cmd)(可能要管理员权限)

  • pip 更新
    python -m pip install --user --upgrade pip

  • 1.whl文件 命令行执行 (pypi官网下载whl文件)
    pip install whl文件
    pip install --user whl文件

  • 2.压缩包 解压 打开 命令行执行 (pypi官网下载压缩包,解压)
    python setup.py install

  • 3.直接用命令下载( -i 实现换源)
    python -m pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

常用镜像源

-i https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host pypi.tuna.tsinghua.edu.cn
-i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

使用镜像源

pip install opencv-python==4.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host pypi.tuna.tsinghua.edu.cn
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host pypi.tuna.tsinghua.edu.cn

安装

在开始处打开管理员控制台(如果不需要管理员权限,可以直接win+r 输 cmd进入)
d2l库,动手学习深度学习-日志,python,pytorch,深度学习

更新pip
python -m pip install --user --upgrade pip
d2l库,动手学习深度学习-日志,python,pytorch,深度学习

我们这里使用pip安装完所有模块
pip install d2l==0.17.6
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116

模块安装位置

D:\Program Files\Python37\Lib\site-packagesd2l库,动手学习深度学习-日志,python,pytorch,深度学习

查询是否成功

cmd终端输入:
pip list
d2l库,动手学习深度学习-日志,python,pytorch,深度学习

cuda驱动安装

查询cuda驱动支持版本

查询cuda驱动最高支持版本
python终端执行(cmd终端不需要感叹号"!"):
!nvidia-smi
d2l库,动手学习深度学习-日志,python,pytorch,深度学习

官网

官网(建议先看看pytorch支持什么版本,以免带来麻烦):
https://developer.nvidia.com/cuda-toolkit-archive
d2l教程:
https://d2l.ai/chapter_appendix-tools-for-deep-learning/aws.html#installing-cuda

选择合适版本下载
d2l库,动手学习深度学习-日志,python,pytorch,深度学习

安装

我们拿到cuda11.6的安装包(2.4G左右)
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
首先是解压资源
(解压出来的是安装程序installer,并不是最终cuda驱动安装的路径,后续安装完可删除)
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
解压完后,进入安装程序(一般解压完会自动进入)
d2l库,动手学习深度学习-日志,python,pytorch,深度学习

d2l库,动手学习深度学习-日志,python,pytorch,深度学习
选择自定义进行路径更改
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
这里可以更改路径
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
等待安装,花费时间可能较长

查询安装

cmd终端执行:
nvidia-smi
set cuda
nvcc -V
d2l库,动手学习深度学习-日志,python,pytorch,深度学习

pytorch安装

查询cuda驱动版本

首先需要知道已安装的CUDA版本。
(可以通过运行nvcc --version或cat /usr/local/cuda/version.txt来检验。)
这里可以看到是11.6
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
或者python终端执行:
!nvidia-smi
!set cuda
!nvcc -V

后续需要根据上面cuda驱动安装的版本选择对应的pytorch版本。

pytorch官网

安装pytorch的GPU版本

索引源(可以查看支持的python版本及cuda版本):
https://download.pytorch.org/whl/torch/
d2l库,动手学习深度学习-日志,python,pytorch,深度学习

官网:
https://pytorch.org/
找到以前版本
https://pytorch.org/get-started/previous-versions/
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
找到合适版本
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
(torch gpu版本占4G!建议预留好空间)

cmd终端输入(可能要管理员权限):
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
–index-url 或 -i 是一样的 pip指南
–extra-index-url 是搜索其他索引

查询是否成功

安装完后查询是否成功
pip list

d2l安装

官网

d2l官网:
https://zh-v2.d2l.ai/chapter_installation/index.html

pip install d2l==0.17.6
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
d2l库,动手学习深度学习-日志,python,pytorch,深度学习

最终检验环境是否搭建成功

安装是否齐全:

"""
查询cuda安装情况
"python控制台执行:
!nvidia-smi
!set cuda
!nvcc -V
"""
import torch
import torchvision

print(torch.__version__) # 1.13.1+cu116
print(torchvision.__version__) # 0.14.1+cu116

torch.cuda.is_available()  # 、为True 则是cuda版本
torch.device('cpu'), torch.device('cuda'), torch.device('cuda:1')  # 、查询可用设备
torch.cuda.device_count()

d2l库,动手学习深度学习-日志,python,pytorch,深度学习
d2l库,动手学习深度学习-日志,python,pytorch,深度学习
d2l库,动手学习深度学习-日志,python,pytorch,深度学习

debug记录

  • Fatal Python error: initfsencoding: unable to load the file system codec ModuleNotFoundError: No module named ‘encodings’
    d2l库,动手学习深度学习-日志,python,pytorch,深度学习
    原因:环境变量出错,卸载时环境变量没有更改。
    解决办法:
    https://blog.csdn.net/big__banana/article/details/114228038
    打开环境变量
    d2l库,动手学习深度学习-日志,python,pytorch,深度学习
    d2l库,动手学习深度学习-日志,python,pytorch,深度学习
    选择path和PYTHONHOME这两个环境变量 路径行 进行编辑更改
    d2l库,动手学习深度学习-日志,python,pytorch,深度学习
    验证:
    d2l库,动手学习深度学习-日志,python,pytorch,深度学习

  • 卸载cuda重装
    https://blog.csdn.net/m0_59705760/article/details/125744664
    控制面板中
    d2l库,动手学习深度学习-日志,python,pytorch,深度学习
    d2l库,动手学习深度学习-日志,python,pytorch,深度学习
    注册表等删除使用CleanMyPC或geek
    d2l库,动手学习深度学习-日志,python,pytorch,深度学习文章来源地址https://www.toymoban.com/news/detail-647996.html

到了这里,关于python+pytorch+d2l 超详细安装攻略的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 卷积神经网络——中篇【深度学习】【PyTorch】【d2l】

    5.5.1、理论部分 两个⌈ 卷积块 ⌋ 每个卷积块中的基本单元是一个⌈ 卷积层 ⌋、一个 ⌈ sigmoid激活函数 ⌋和 ⌈ 平均汇聚层 ⌋ 三个⌈ 全连接层密集块 ⌋ 早期神经网络,先使用卷积层学习图片空间信息,然后全连接层转换到类别空间。 5.5.2、代码实现 定义一个 Sequential块

    2024年02月11日
    浏览(22)
  • 卷积神经网络——下篇【深度学习】【PyTorch】【d2l】

    5.10.1、理论部分 批量归一化可以解决深层网络中梯度消失和收敛慢的问题,通过固定每个批次的均值和方差来加速收敛,一般不改变模型精度。批量规范化已经被证明是一种不可或缺的方法,它适用于几乎所有图像分类器。 批量规划是一个线性变换 ,把参数的均值方差给拉

    2024年02月12日
    浏览(16)
  • 动手学深度学习d2l.Animator无法在PyCharm中显示动态图片的解决方案

    运行 d2l 的训练函数,仅在控制台输出以下内容,无法显示动态图片(训练监控) 修改 d2l.Animator 的 add 函数,以下分别是修改前的代码及修改后的代码: 同时,在使用相关函数时,添加如下一行代码 d2l.plt.show() ,如下: 重写训练函数,以 d2l.train_ch13 为例,以下分别是修改

    2024年02月09日
    浏览(39)
  • 线性神经网路——线性回归随笔【深度学习】【PyTorch】【d2l】

    线性回归是显式解,深度学习中绝大多数遇到的都是隐式解。 3.1.1、PyTorch 从零实现线性回归 生成数据集及标签 d2l.plt.scatter(,,) ,使用d2l库中的绘图函数来创建散点图。 这个函数接受三个参数: features[:,1].detach().numpy() 是一个二维张量features的切片操作,选择了所有行的第二

    2024年02月15日
    浏览(20)
  • 关于安装李沐深度学习d2l包报错的解决办法(保姆教程)

    因为换了新电脑,所以环境都是从零开始配置,但是在安装李沐深度学习里常用的d2l包的时候,确实频繁报错。 这里总结一下我的报错原因,希望大家在遇到bug的时候能够从容面对。 在安装深度学习框架之前,请先检查你的计算机上是否有可用的GPU。 例如,你可以查看计算

    2024年02月03日
    浏览(23)
  • d2l包安装教程

    目录 一、下载d2l包 1、错误的安装方法 2、正确的安装方法 二、可能会遇到的问题 1、网络超时导致下载中断 2、windows powershell激活虚拟环境时报错        直接按照教程安装 — 动手学深度学习 2.0.0 documentation运行命令 pip install d2l==0.17.6 安装会比较慢,很大可能会因为网络

    2024年01月19日
    浏览(25)
  • d2l学习——第一章Introduction

    使用d2l库,安装如下: 如果安装不上d2l可以用下面的方法: pip install git+https://github.com/d2l-ai/d2l-en 就和统计学习方法书中说的一样,机器学习也可以分为几个核心要义, Data, Models, Objective Functions, Optimization Algorithms , 其中: Data: 用来学习的数据 Model: 如何转换/translate数据的

    2024年02月08日
    浏览(22)
  • Pycharm安装jupyter和d2l

    jupyter是d2l的依赖库,没有它就用不了d2l pycharm中端输入 pip install jupyter 安装若失败则: 若网速过慢,则更改镜像源再下载: 若还是下载失败则是由于电脑有外网APN,也就是说是科学上网的原因导致的: 关掉后再输入命令下载即可。 先下载whl: 链接 点击下载地址下载 再找项

    2024年02月06日
    浏览(19)
  • d2l_第八章学习_现代卷积神经网络

    参考: d2l 研究人员认为: 更大更干净的 数据集 或是稍加改进的特征提取方法,比任何学习算法带来的进步大得多。 认为特征本身应该被学习,即卷积核参数应该是可学习的。 创新点在于GPU与更深的网络,使用ReLU激活函数,Dropout层。 可参考: AlexNet https://blog.csdn.net/qq_4

    2024年02月11日
    浏览(20)
  • D2L学习记录-10-词嵌入word2vec

    《动手学深度学习 Pytorch 第1版》第10章 自然语言处理 第1、2、3 和 4节 (词嵌入) 词向量:自然语言中,词是表义的基本单元。词向量是用来表示词的向量。 词嵌入 (word embedding):将词映射为实数域向量的技术称为词嵌入。 词嵌入出现的原因:由于 one-hot 编码的词向量不能准确

    2024年02月14日
    浏览(19)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包