redhat7做网站过程,邮件格式模板,楚雄网站设计,国内优秀网页鉴赏换了新电脑#xff0c;重新装一下anaconda这些编程环境。好久没装过了#xff0c;自己也需要查查资料#xff0c;然后记录一下#xff0c;分享给别人。
目标#xff0c;三个环境#xff1a;1.anaconda基础环境#xff08;包含xgboost和lightgbm#xff09;#xff0c…换了新电脑重新装一下anaconda这些编程环境。好久没装过了自己也需要查查资料然后记录一下分享给别人。
目标三个环境1.anaconda基础环境包含xgboost和lightgbm2.TensorFlow环境3.Pytorch环境能用GPU加速的那种。 Anaconda安装
这个装了太多次了很简单选一个自己喜欢的版本下载就行。一般没什么特殊要求就直接开官网下载就行Distribution | Anaconda 之前是打开直接点下载现在还需要你填邮件当然也可以点击跳过。然后找自己对应的电脑系统安装就行。 我看了一下这个Windows版本是py3.11我觉得太高了就去以往的列表找一下之前的版本的安装包。Index of / (anaconda.com) 我看这个2023年的7月感觉不错我就下载这个版本安装了。 下载好的exe文件直接双击运行 点击下一步我同意然后这里可以选自己用也可以选所有人用 选择安装路径 这个选前2个就行 第三个是清除安装包我觉得没必要。
然后等待安装完成 一直点击继续到最后这两个去掉勾选就行了。 点击完成基础的环境就安装好了。 环境变量
查看一下anaconda路径有没有在环境变量里面其实不在环境变量里面也不影响运行但是在的话更好这与会避免后面可能的报错。
在查找里面搜索如下的 编辑系统环境变量 点击环境变量 在用户变量里面找到Path这一列双击 我里面没得环境变量按道理来说安装的时候会让你勾选的。我这个安装包没看见所以我自己手动把anaconda还有里面的带bin 和scripts的这些路径都添加到环境变量了。同学可以模仿这个路径复制进去就行。 设置好之后点确定确定。
然后winr输入cmd打开 输入下面红色框框的东西出现了信息就说明安装好了环境变量也成功了。 安装xgboost和lightgbm
这两个包时做表格数据的机器学习效果最好的模型。若是不需要的同学只做深度学习的话就可以跳过。
在菜单键的所有应用中打开anaconda的命令提示符 输入
pip install xgboost 等待安装好就行。
若出现一屏幕的红色字体报错的话
不要慌你看见time out就表示是超时了我们只需要再输入一遍回车等待就行。还超时的话就不停地输入这个安装命令和回车。。装好为止。
lightgbm也是一样的
pip install lightgbm 等待安装好就行。 测试
装好了当然要看看能不能正常运行了。我们首先打开jupyter notebook现在实习的公司用的是jupyter lab都可以我比较喜欢notebook
还是打开conda的命令提示符 切换到D盘因为我代码放在D盘的然后输入jupyter notebook 等待一下就能看到下面的网址了 按道理来说一个会自动跳转到默认的浏览器打开他们的但是我新电脑没有跳转。。算了无伤大雅我手动复制到浏览器打开然后沿着代码文件的路径进去打开要运行的代码文件 直接重启运行全部代码 OK完美运行速度很快毕竟是新电脑 测试完成基础环境就已经装好了下面来装TensorFlow。 TensorFlow安装
选择版本
深度学习首先得问题就是用CPU跑还是GPU跑。。我当然想用GPU跑不然买新电脑是做啥、、GPU跑得多块一下就训练完了。然后库的版本我其实也想装个比较新的版本但是TensorFlow的环境这几年真的不太行了毕竟谷歌自己都不怎么用了现在都去弄pytorch了。
然后我自己去官网看了看
Build from source on Windows | TensorFlow (google.cn)
发现他们从2.10版本之后的版本win系统都不支持cuda了见鬼看来我想装2.11版本以上的TensorFlow 这英伟达显卡起不来作用了那就老老实实装CPU版本吧。 看看CPU版本的对照型号 我还是感觉太新的版本不好咋们就来个python3.11TensorFlow2.15的吧。 虚拟环境安装
为什么要创建虚拟环境呢就是防止版本冲突深度学习依赖的库太多要是你在基础环境里面哪天不小心升级了一个包然后整个深度学习框架不能用了就会很尴尬。。
所以我们先要创建一个虚拟环境然后在里面安装TensorFlow。 还是打开命令提示符输入下面的代码
conda create --name tensorflow_env python3.11 anaconda 这一行的功能是创建一个名称为“tensorflow_env”的虚拟环境安装py3.11的内核我后面带了一个anaconda是因为我喜欢在这个TensorFlow环境里面把所有的anaconda组件都带上免得如果只装py的话后面还需要安装一堆常用的包pandasnumpyseaborn等。。。 然后会跳出来一堆包的名称输入y同意安装 安装好了上面会提示你怎么激活环境怎么退出环境 输入“conda activate tensorflow_env”激活虚拟环境后还可以在里面“conda --version”查看版本信息‘conda info’还可以看看里面有哪些库“pip list” 然后就是安装TensorFlow了。很简单其实就是pip就行了。我还作死看了一下他默认给我装的3.11是3.11几一看好家伙是3.11.9这无线接近3.12的版本的py能上TensorFlow2.15吗我只能先试试了。
输入
pip install tensorflow2.15.0然后等待安装 仔细一看他装的包keras就在里面不用额外装了。
感觉可以用了我去跑个代码试试 可以没问题是能运行的但是好像keras库里面发出来警告keras里面的TensorFlow的api没有更新虽然能用。。但是好像也不长久了。。没事反正后面keras也可以用pytorch的框架了想这样过渡凑合着用吧。
ps不想这样被警告的同学可以换TensorFlow2.14版本试一下说不定就还好。
TensorFlow安装完成虽然用不了GPU加速但是也还不错了也是没办法的事情官网都不支持cuda了。
下面去安装pytorch 的环境。pytorch就可以用gpu了。 Pytorch安装
版本选择
pytorch的安装就有点讲究了除了前面说的虚拟环境外torch包的版本py 的版本还有cuda 的版本要都对应上。
不过现在的pytorch安装是不需要装什么cuda驱动的只要版本是对的就一行命令就安装好了
首先在英伟达的控制面板里面去找自己显卡的的CUDA Toolkit的版本 没这个就在搜索里面搜 可以看到我的CUDA Toolkit是12.2.146的版本也就是说CUDA 12.2以下的版本应该都是支持的。
怎么查看cuda和pytorch版本的关系呢可以查看官网的安装命令
Previous PyTorch Versions | PyTorch
上面会有每个torch版本的对应的cuda的版本命令 例如这里的2.2.2就支持cuda11.8和12.2的版本。
那我们12.2的cuda就都可以选了无所谓那就来最新版本的pytorch2.3吧 我就准备用这个命令安装了。
cuda和pytorch版本对应了后去找python 的版本。
然后去官网查看py和pytorch的版本对应关系GitHub - pytorch/vision: Datasets, Transforms and Models specific to Computer Vision 其实基本上3.8-3.11这个版本的python都是支持2.0以上版本的 torch 的。
那我们还是弄一个3.11版本的py吧。
开始安装! 虚拟环境安装
所以我们先要创建一个虚拟环境然后在里面安装pytorch。 还是打开命令提示符输入下面的代码
conda create --name pytorch_env python3.11 这一行的功能是创建一个名称为“pytorch_env”的虚拟环境安装py3.11的内核这次后面没有带anaconda所以这个环境后面还需要安装一堆常用的数据科学的包pandasnumpyseaborn等。。。 然后还是会跳出来一堆包的名称但是明显少一些都是很基础的包。输入y同意安装 安装好了上面会提示你怎么激活环境怎么退出环境 同样我们激活这个虚拟环境
conda activate pytorch_env
然后我从官网上掏出了最新的安装命令Start Locally | PyTorch pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
我是cuda是最新的12.2才敢这样做的其他同学的版本不一样的可不要学我要去查找对应cuda 的torch版本的安装命令。 等待安装包还挺大。 等待安装的时候我就在想这个torch环境在anaconda里面所以我外面要装stable diffusion的时候还要装一下torch环境不过这样也好隔开的一个科研跑数据一个画画挺好的。
安装过程可能会提示你什么什么包没有装一下就好了。然后还可以反复运行上面pytorch 的安装代码没事就反复运行尝试就行。
还可以参考李沐老师的这本书的教程b站也有网课。
安装 — 动手学深度学习 2.0.0 documentation (d2l.ai)
pytorch 的生态和环境还是很丰富啥问题都可以上网找得到的。
安装完了 我在这个虚拟环境下输入python进入py 的环境然后输入下面的py代码测试是不是能用到cuda显卡
import torch
torch.cuda.is_available() 好耶是可以的。看来现在的pytorch安装是不需要装什么cuda驱动的。
安装完了我去跑个代码试试找了个vgg还有点大的神经网络。 完全能运行一点问题都没有。我显卡被狂用。。温度上升。。 大功告成机器学习和深度学习的环境都装备好了 后面就轻松愉快的写代码了 创作不易各位看官觉得还不错能帮到你们就点个赞和收藏吧
