精华内容
下载资源
问答
  • 深度学习环境搭建

    千次阅读 2020-12-28 21:11:15
    深度学习环境搭建 1、所需工具 1、python集成开发环境:Anaconda 2、英伟达提供的针对英伟达显卡的运算平台:CUDA、cuDNN(需要NVIDA GTX10系列及以上显卡)。用来提升神经网络的运行效率,如果电脑显卡不满足要求也是...

    深度学习环境搭建

    1、所需工具

    1、python集成开发环境:Anaconda

    2、英伟达提供的针对英伟达显卡的运算平台:CUDA、cuDNN(需要NVIDA GTX10系列及以上显卡)。用来提升神经网络的运行效率,如果电脑显卡不满足要求也是可以不用安装,使用cpu来进行运算。

    3、开发工具:pycharm

    4、深度学习框架:Pytorch。你也可以使用其他的框架如TensorFlow,caff等,但这儿不做演示,因为我没用过。

    2、如何下载这些软件

    注意:操作系统不要是win10家庭版的,win10家庭版的系统有些包没有可能会导致安装失败

    2.1、Anaconda

    anaconda官网:https://www.anaconda.com

    清华大学开源镜像:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

    两个网站任选其一,如果你没有科学上网工具还是使用镜像下载吧

    打开anaconda官网,选择开始->选择下载anaconda->选择对于版本即可下载

    详细过程见下图:
    在这里插入图片描述

    2.2、CUDA

    网站打开可能较慢:https://developer.nvidia.com/cuda-toolkit-archive
    在这里插入图片描述

    2.3、cuDANN

    下载链接:https://developer.nvidia.com/rdp/cudnn-archive

    注意:下载的时候需要一个英伟达的账号,没有的话注册一个登录即可下载。

    下载的时候注意和CUDA的版本相对应,选择你电脑的操作系统相对应的包即可。下载完成后是个压缩包
    在这里插入图片描述
    下载完成后:
    在这里插入图片描述

    2.4、pycharm

    官网下载地址:https://www.jetbrains.com/pycharm/

    选择社区版开发就够用了。另一个方面是专业版的要收费没必要。
    在这里插入图片描述

    2.5、pytorch

    等我们把其他的环境安好之后我们再来下载pytorch,现在暂时先跳过。

    3、安装

    3.1、Anaconda

    Anaconda的安装较为简单,大部分选择next即可。我将需要注意的点写在下面

    1、如果你的电脑只有一个用户那么选择Just Me没问题,不然最好选择All Users

    在这里插入图片描述

    2、第一项Add Anaconda… 这个是说将安装路径添加到系统环境变量中,选上。免得手动配置环境变量

    第二项 是说要默认使用python3.6的版本,也选上。
    在这里插入图片描述

    3、安装目录的选择:如果你选择的是个人用户那么可以选择安装路径注意路径中不要有空格和中文字符即可。如果选择的是All User那么只能安装到anaconda默认的目录下了

    4、安装完成后验证

    命令行模式下输入python,出现python的版本即可
    在这里插入图片描述

    3.2、CUDA

    右击下载的CUDA exe文件以管理员身份运行。

    下图这是一个临时解压后文件存放的路径,不是安装路径。安装完成后该解压路径会自动删除掉,所以这儿的路径改不改无所谓。
    在这里插入图片描述

    解压完成后进行系统自检,这儿出现错误的原因大致有两个,1、你电脑没有NVIDA显卡.2、你下载的版本和你的操作系统对不上。

    在这里插入图片描述

    安装选项选择精简即可。

    这儿显示有些什么visual studio 2019之类的没有安装成功,无所谓我们不用。点击下一步去掉所有的勾点击关闭即可完成安装

    在这里插入图片描述

    验证在命令行输入nvcc --version,可以看到我安装的是10.1
    在这里插入图片描述

    3.3、cuDANN

    cuDANN的安装就极为简单了。

    1、解压cuDANN的压缩包发现里面会有三个文件夹 bin,include,lib

    在这里插入图片描述

    2、找到你刚刚安装的CUDA的路径。如果你安装的时候选择的是精简安装那么位置应该在C:\Program files\NVIDIA GPU Computing Toolkit\CUDA\10.1。如果你选择的自定义安装,那就只有你和上帝知道安在哪儿的。

    3、将cuDANN三个文件夹下的文件分别复制到CUDA安装目录下的对应的文件夹下面,注意lib文件下还有个x64文件,将x64文件下的内容复制到相应目录下。

    3.4、pytorch

    pytorch官网:https://pytorch.org

    在官网上向下拉
    在这里插入图片描述

    复制run this command的命令到命令行中回车即可

    在这里插入图片描述

    如果你的网比较慢,你也可以选择将命令行中出现的链接复制到迅雷里面下载,然后再下载好的目录路径下打开powershell(在目录下shift+右键)。输入pip install 下载的包的名字。即可完成torch的安装。然后再在命令行执行run this command的命令,这个时候可以看到torch已经安装好了,现在安装的是torchvision。torchvision比较小好像只有几兆。

    **验证:**命令行输入python进入python的交互式界面。输入如下命令

    import torch
    print(torch.__version__) #查看pytorch版本
    print(torch.cuda.is_available()) #查看cuda是否可用 输出为True 或者False
    

    在这里插入图片描述

    到这儿深度学习的环境就算是搭好了。

    如果你没安装CUDA,可以看到torch的版本是CPU版本的,而上图中的是CUDA版本的。并且torch.cuda.is_available()输出的是False

    在这里插入图片描述

    3.5、pycharm

    这里的重点不是如何安装,而是如何配置anaconda的环境。

    1、点击interpreten后面的省略号

    在这里插入图片描述

    2、

    在这里插入图片描述

    3、项目创建完成后可以在右下角看到正在加载anaconda的的一些包,等待加载即可。

    展开全文
  • win7(64位)深度学习环境搭建-附件资源
  • CentOS7深度学习环境搭建.txt
  • win10深度学习环境搭建

    万次阅读 多人点赞 2019-05-20 17:38:40
    前言 文件准备 配置安装 前言 之前安装各种软件查各种网站弄得特别麻烦,所以写下一篇完整的文章来记录整个操作流程。我搭建环境是python3.6+cuda9.0+opencv3.3+tensorflow_gpu1.11+pytorch ...

    前言

    之前安装各种软件查各种网站弄得特别麻烦,所以写下一篇完整的文章来记录整个操作流程。在anaconda下,搭建的环境是python3.6+cuda9.0+opencv3.3+tensorflow_gpu1.11+pytorch。安装过程中不必完全跟着最新的版本,很有可能某些软件不支持期依赖库的调用,导致不能正常使用,报各种错误。

    1 python

    1.1 python安装

    在 windows下,不建议使用官方python,而是用Anaconda。Anaconda 是推荐的 python开发包集合,在官网下载最新的版本。Anaconda下载地址:https://www.anaconda.com/download/ 建议安装路径不要有中文,目录不要放得太深,安装时注意 勾选自动添加环境变量。 最好更改pip源和conda源为国内服务器用以加速后期库的下载,更改操作见后文。

    1.2 pip 国内源

    更改 pip 源,可以让 pip 加速。在 user 目录中创建一个 pip 目录,如: C:\Users\xx\pip,xx是用户名,新建文件pip.ini(建议先新建成 .txt 文件,之后将后缀名改回),内容如下:

    [global]
    timeout = 6000
    index-url = https://pypi.tuna.tsinghua.edu.cn/simple
    trusted-host = https://pypi.tuna.tsinghua.edu.cn

    1.3 conda 国内源

    如果 conda 命令执行很慢,可以更改 conda 源,让conda 加速。在cmd终端输入下列命令

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    conda config --set show_channel_urls yes
    

    运行以上两句,在c:\users\xx 目录下生成.condarc,xx表示用户名。.condarc 内容如下,表示成功:

    channels:
      https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
      defaults
    show_channel_urls: true

    1.4 虚拟环境

    安装好 anaconda 后,建议立即建一个虚拟环境, 因为会碰到不同的代码需要在不同的 python 版本下运行。 今后都在虚拟环境下进行深度学习编程。
      例如,进入 anaconda 安装目录的 scripts 目录,执行下面命令:

    conda create -n py36 python=3.6
    

    创建一个python 3.6 的环境,命名为 py36。创建上述虚拟环境后,会发现anaconda安装目录的envs子目录下多了一个 py36的目录,它就是另一个全新的 python,它下面包含了anacoda 的几乎全部东西。
    如何进入虚拟环境?
      windows下进入anaconda安装目录的scripts目录,在这个目录下执行activate环境名即可。例如activate py36,deactivate 退出虚拟环境。进入虚拟环境后,再退出Scripts目录, 进入到envs中的py36目录中 (或者只退出scripts目录即可),使用pip安装一些模块是安装在虚拟环境的py36中。

    1.5 集成开发环境pycharm

    有两个推荐的 python 集成开发环境。Pycharm是好用的 python IDE,可与 anaconda 结合使用。官网下载安装,注意有两个版本,一个professional,一个是 community,前者是收费的,用后者即可。另一个是visual studio code,它是与anaconda合作的官方IDE。jupyter notebook 也是非常流行的开发环境。

    • 新建项目
      官网下载 pycharm,选择 community 版本(免费)。基本使用方法:
      1) 假设你已经下载了一份 python 的代码,并解压到本地。
      2) pycharm 菜单 File,new project,Create Project,选择代码的根目录。
      3)把Project Interpreter展开,选择你安装的anaconda目录下的python.exe,或者你在anaconda下新建的虚拟环境(在anaconda的envs子目录)下的 python.exe,你可能需要点右边那个齿轮,自己把 python.exe 找出来。
      在这里插入图片描述
      4)下一步,然后它会提示你一段英文,意思是目录非空,要不要从已有的代码里创建工程,选择 Yes。
      5)接下来,就创建好工程了。第一次使用,右下方状态栏里会显示有任务在执行,需要等一会,然后就可在左侧边栏里选择py文件右键,运行或调试了。
    • 设置 python 解释器
      为项目设置不同的解释器,或者说在不同的虚拟环境下来运行你的代码。步骤如下。菜单 file – settings,弹出界面如下图,左侧 project – project interpreter,中间一列选择你的项目,右边下拉列表里找到你的虚拟环境,按ok即可。如果没有找到虚拟环境,则点最右侧齿轮add,选择Existing environment,右侧浏览,找到你的虚拟环境的 python.exe,位置在你的 anaconda 安装目录的envs目录下。

    2 安装显卡加速工具

    如果没有显卡的话,请忽略此章,用gpu训练模型会比cpu快很多。

    2.1 安装CUDA

    需要选择对应自己NVIDIA驱动版本的cuda,查看自己驱动版本的方式如下:
    然后打开cmd,使用cd命令进入:C:\Program Files\NVIDIA Corporation\NVSMI
    使用“nvidia-smi”这个命令即可查看,如下我的版本为391.24
    在这里插入图片描述
    在根据表格找到可以使用的cuda,在这里我使用最高的cuda版本号可以为9.0
    在这里插入图片描述
    进入cuda下载网站(历史版本),这里给出网址 https://developer.nvidia.com/cuda-toolkit-archive 找到对应比的版本号进行下载,下载类型选择local。
    在这里插入图片描述
    下载完成之后,直接点击安装,在后面的安装选项选择自定义,然后只勾选CUDA即可。
    安装结束,在cmd中输入nvcc -V即可查看是否安装成功,此时应该会跳出安装的cuda的版本号。
    在这里插入图片描述

    2.2 安装cuDNN

    安装完成之后,还需要下载cuDNN,这里给出网址 https://developer.nvidia.com/rdp/cudnn-archive 在网站登陆之后(未注册还需要注册再登陆),选择对应相同cuda版本的cuDNN,我选择的是图中7.5版本的。下载完成后,将压缩包解压后,把里面的三个文件夹里面的文件放到CUDA9安装目录相应文件夹下即可(一般安装的目录是C:\Program Files\NVIDIA GPU Computing Toolkit)。
    在这里插入图片描述

    3 安装opencv

    下载地址:https://www.lfd.uci.edu/~gohlke/pythonlibs/
    在这里插入图片描述
    选择需要的版本下载,我选了opencv_python 3.3.0 cp36 cp36m win_amd64.whl
    进入cmd,首先进入anaconda3目录的scripts下,使用activate py36进入虚拟环境,然后退出scripts目录(目的是下载到虚拟环境中,更保险的做法是再进入到envs的py36目录中),然后输入

    pip install XX\opencv_python 3.3.0 cp36 cp36m win_amd64.whl 
    pip install numpy
    

    XX为下载的opencv的文件位置,等待安装结束即可:
    在这里插入图片描述
    接着再进入scripts中,键入python,输入import cv2,如果没有报错即为opencv导入成功:
    在这里插入图片描述

    4 安装tensorflow

    Tensorflow是全世界使用人数最多、社区最为庞大的一个框架,因为Google公司出品,所以维护与更新比较频繁,并且有着Python和C++的接口,教程也非常完善,同时很多论文复现的第一个版本都是基于Tensorflow写的,所以是深度学习界框架默认的老大。
      其中tensroflow也有很多版本,如果是gpu版本的,需要找到对应的tensorflo_gpu版本,如下我安装的cuda为9.0,所以安装1.11的版本:
      在这里插入图片描述
      进入cmd,首先进入anaconda3目录的scripts下,使用activate py36进入虚拟环境,然后退出scripts目录(目的是下载到虚拟环境中,更保险的做法是再进入到envs的py36目录中),然后输入

    pip install tensorflow_gpu==1.11
    

    如果安装的是cpu版本,直接pip install tensorflow即可,若加版本号也同上后面加上。
    接着测试是否安装成功,再进入scripts目录,进入python,导入tensorflow观察是否报错:import tensorflow 没有报错即为成功:
    在这里插入图片描述

    5 安装pytorch

    PyTorch的前身便是Torch,其底层和Torch框架一样,但是使用Python重新写了很多内容,不仅更加灵活,支持动态图,而且提供了Python接口。它是由Torch7团队开发,是一个以Python优先的深度学习框架,不仅能够实现强大的GPU加速,同时还支持动态神经网络,这是很多主流深度学习框架比如Tensorflow等都不支持的。
      首先进入pytorch官网,这里给出网址 https://pytorch.org/ 找到对应的版本,由于我使用的是python3.6,cuda9.0,就做出了我下载安装的选择:
    在这里插入图片描述
    比较倾向的选择是 stable,pip,python版本和cuda版本要根据你自己安装的版本来。如果有没有 cuda,则选择 none。
    最后执行两条命令,windows下用pip即可。那个whl文件很大,建议用迅雷等软件下载到本地,把网址路径替换成本地路径来装。
    进入cmd,首先进入anaconda3目录的scripts下,使用activate py36进入虚拟环境,然后退出scripts目录(目的是下载到虚拟环境中,更保险的做法是再进入到envs的py36目录中),然后输入

    pip install XX\torch-1.0.1-cp36-cp36m-win_amd64.whl
    pip install torchvision
    

    其中XX为pytorch的本地路径。接着测试是否安装成功,再进入scripts目录,进入python,导入pytorch观察是否报错:import torch 没有报错即为成功,如下:
    在这里插入图片描述

    展开全文
  • 深度学习环境搭建及测试(windows10+anaconda+pytorch(cpu版)) biubiubiu~~~本小菜鸟也开始写blog啦,权当整理一下自己的笔记哈哈哈 之前电脑上装有anaconda,python3.7, pycharm,这里想要安装pytorch这一深度...

    深度学习环境搭建及测试(windows10+anaconda+pytorch(cpu版))

    biubiubiu~~~本小菜鸟滴第一篇blog,权当整理一下自己的笔记哈哈哈

    之前电脑上装有anaconda,python3.7, pycharm,这里想要安装pytorch这一深度学习的框架,安装分GPU和CPU两个版本,如果安装GPU版本,可以先安装Nvidia驱动 + cuda + cudnn,然后再搭建环境,这样可以达到更高的运行速度。如果对运行速度没有太高的要求,学习阶段也可以使用CPU版本,对于简单的程序用CPU和GPU其实没太大差别。

    一般来说有两种安装方法,一个是使用conda在线安装,另一个是通过pip安装(需要先从pytorch官网将torch-1.1.0-cp36-cp36m-win_amd64.whl和torchvision-0.3.0-cp36-cp36m-win_amd64.whl下载到本地),这里用conda在线进行安装,但是当使用conda安装的时候,可能会遇到下载过慢的问题,这里推荐用清华镜像源替代默认conda源的方法,实测速度比默认conda源快得多!
    下面是在windows10系统上安装pytorch(cpu版本)具体流程:

    1.创建虚拟环境并激活

    很多大佬建议为pytorch创建一个虚拟环境,这样做的好处是方便我们可以同时使用多个深度学习框架,每个框架对应一个虚拟环境,框架之间互不干扰。
    打开anaconda的命令行,即anaconda prompt, 输入以下命令,
    conda create -n pytorch-cpu python=3.7
    其中pytorch-cpu是虚拟环境的名字,也可以是其他的

    接下来输入以下命令激活我们刚刚创建的虚拟环境,
    conda activate pytorch-cpu
    在这里插入图片描述

    2.安装pytorch

    进入pytorch-cpu这一虚拟环境后,为了加快下载速度,首先输入以下的命令,添加清华镜像源,

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ 
    conda config --set show_channel_urls yes

    另外为了保险起见,建议同时添加第三方conda源:

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

    接下来输入如下安装命令,
    conda install pytorch torchvision cpuonly
    在这里插入图片描述
    然后会出现如下界面,在这里插入图片描述在这里插入图片描述
    在Proceed([y]/n)? 后面输入y,回车,即可开始从清华镜像源下载包,接着等待安装成功就好

    3.测试环境是否搭建成功

    首先输入python,可以看到输出了python的版本信息,
    在这里插入图片描述
    接下来import torch,输出torch的版本信息,并进行测试,pytorch安装成功
    在这里插入图片描述

    4.配置pycharm

    打开pycharm,新建一个项目,
    在这里插入图片描述

    点击上图红框框区域,添加新的interpreter,找到新建的pytorch-cpu环境下的python.exe,将其添加到interpreter中,
    在这里插入图片描述
    在这里插入图片描述

    项目建好后,新建python file,输入以下代码进行测试,

    import torch
    
    print(torch.__version__)
    print(torch.cuda.is_available())
    x = torch.randn(4,2)
    print(x)

    输出结果如下,
    在这里插入图片描述
    安装成功啦啦啦~~接下来就可以在pycharm中写深度学习的项目啦!!!

    5.Tips

    (1)每次用pytorch时,要先打开Anaconda Prompt,激活我们创建的虚拟环境pytorch-cpu,使用完毕后执行以下命令切换回原来的python环境,
    deactivate pytorch-cpu
    (2)如果需要删除虚拟环境,则用以下命令来实现,
    conda remove -n your_env_name(虚拟环境名称) --all
    (3)注意使用清华镜像源时安装命令与pytorch官网上给出的命令不同,pytorch官网给的命令是 conda install pytorch torchvision cpuonly -c pytorch
    在这里插入图片描述

    我们在这里使用的命令是 conda install pytorch torchvision cpuonly

    最后祝大噶都能快快安装成功!

    展开全文
  • 文章目录说明下载Anacoda安装tenforslow环境搭建搭建虚拟环境安装tensenflow(cpu版本)在线安装离线安装验证Keras 安装使用 说明 win10 + anaconda + tensorflow(cpu版本) + keras + jupytor notebook 电脑垃圾,...
  • halcon深度学习环境搭建 https://blog.csdn.net/cashmood/article/details/105042928
    展开全文
  • Halcon深度学习环境搭建(win下)全网最全教程

    万次阅读 多人点赞 2020-03-24 16:14:56
    halcon深度学习;深度学习环境搭建;CUDA安装;cuDNN安装;如何验证安装成功;halcon深度学习介绍系统与环境搭建;深度学习基于CPU版本;深度学习基于GPU版本;深度学习环境搭建与软件安装
  • Ubuntu 16.04深度学习环境搭建

    千次阅读 2019-05-23 13:09:31
    文章目录Ubuntu 16.04深度学习环境搭建所需软件查看Linux系统版本信息:NVIDIA驱动安装cuda9.0添加环境变量Cudnn7.0Anaconda3.5.0.0修改pip源Tensorflow1.8 Ubuntu 16.04深度学习环境搭建 所需软件 NVIDIA驱动 ...
  • Win10+GPU+深度学习环境搭建

    千次阅读 2019-06-30 22:47:40
    上述我罗列一些情况,比较乱,并不能解决实际搭建 GPU 深度学习环境所有问题,因为排列组合太多了。 基于Matlab 的 MatConvNet 是一种非常容易入手,也可以很深入的研究的 一种 深度学习方法,网上资源众多。 ...
  • 深度学习环境搭建指南

    千次阅读 2020-03-01 13:07:24
    深度学习环境搭建指南 深度学习一般需要显卡支持,现在市面上常见的显卡有GeForce GTX 1080Ti、GeForce GTX 2080Ti。硬件环境具备后,我们需要安装软件环境,目前市面上最流行的主要有TensorFlow(Google,主要用于...
  • 深度学习环境搭建安装

    千次阅读 2019-05-10 16:38:30
    参考链接https://blog.csdn.net/cpongo1/article/details/89541127 ... 目录 1. 预先准备.... 1 2. 安装依赖包.... 1 3. 禁用 nouveau.. 2 4. 配置环境变量.....
  • linux深度学习环境搭建

    千次阅读 2019-05-20 19:38:24
    自己在Linux下为搭建深度学习环境,重装系统无数遍终于成功。中间遇到过各种坑,所以想在这记录下这些流程,方便自己日后查看和供大家参考。安装的内容是python3下安装gpu版本的tensorflow, caffe 1 win10安装双...
  • 总结一下快速搭建环境的步骤,希望可以起到一点帮助作用。 噢,对了,是在windows10上面搞的。 环境的主要内容: python3 vscode tensorflow2 GPU版本 有经验的人看这里: 安装anaconda conda create -n 环境名 ...
  • 7.7)管理、深度学习环境搭建、配置及使用 Author kangzhiheng E-mail 谨以此文献给在交大的那段时光~ 本文大约27320字,根据需求选择阅读,本文链接: 本文主要介绍了自己使用服务器进行管理和科研的一点心得。 ...
  • win10 64bit 深度学习环境搭建完整版

    万次阅读 2017-12-26 21:28:41
    win10 64bit 深度学习环境搭建完整版win10 64bit 深度学习环境搭建完整版 文件准备 开始安装 1安装 Visual Studio 2013 Community 2安装 DXSDK_Jun10exe 3安装 CUDA 3安装 CUDNN 4安装 Anaconda3-501 1 下载Anaconda...
  • 深度学习环境搭建(GPU)CUDA安装(完全版)

    万次阅读 多人点赞 2020-03-24 21:22:52
    深度学习环境搭建(GPU)CUDA安装cuDNN安装
  • ubuntu16.04安装及深度学习环境搭建

    万次阅读 2018-09-09 00:11:02
    最近实验室刚刚配置了新设备,所以从头开始配置一波我平时做深度学习所用到的环境、软件,在这里做个分享,方便自己以后用到时不用再到处查资料,也方便其他要开始学习这个方向的小伙伴,加油! 电脑的一些...
  • 先安装arcgis pro 2.5 这个软件,运行一键配置arcgis pro2.5深度学习环境,在arcgis pro 2.5里激活环境
  • win7(64位)深度学习环境搭建

    千次阅读 2017-12-25 15:22:46
    查看环境变量,可看到增加了CUDA_ PATH和CUDA_ PATH_V8_0两个环境变量。手动增加以下变量: CUDA_ SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0 CUDA_ LIB_ PATH = %CUDA_PATH%\lib\x64 ...
  • Ubuntu超详细完全配置教程: 1.Ubuntu常用软件安装,不常用的软件...3.anaconda、pytorch深度学习环境配置; 4.vscode使用anaconda创建的虚拟环境配置; 5.远程连接配置、ssh协议(xshell),文件传输(xftp)等使用;
  • Ubuntu16.04系统GPU深度学习环境搭建

    千次阅读 2018-10-23 16:22:20
    以上深度学习环境安装: 也可参考: https://blog.csdn.net/weixin_40294256/article/details/79157838 python库的安装 wget http://www.python.org/ftp/python/3.7.0/Python-3.7.0.tgz tar -xvzf Python-...
  • halcon 17 深度学习环境搭建

    万次阅读 2017-12-10 00:21:01
    halcon 17 深度学习环境搭建转载自:http://www.ihalcon.com/read-8749.html#read_100860如果你想安装halcon17,那么很简单,硬盘剩余空间2G,内存超过256M,操作系统win7以上,显卡是英伟达的即可。 但显然我们的...
  • 背景 之前分别在windows、mac上做深度学习,发现...下面我将分享在deepin上搭建gpu环境的深度学习环境。 deepin系统:15.11桌面版 概述 卸载deepin原有开源显卡驱动 安装nvidia官方驱动 安装cuda的工具包(tools...
  • 一般来说,我们的windows10系统肯定是已经安装好的,在安装双系统之前我们首先要了解一下自己电脑的环境,比如是否支持uefi启动,如何进入BIOS环境,哪个盘是固态盘,哪些盘是机械盘等等。本人的笔记本是惠普光影...
  • Ubuntu深度学习环境搭建包含如下的步骤: 1.安装ubuntu 18.04 / centos 7.5 系统 2.安装cuda / cudnn 3.安装anaconda3 / PyTorch / TensorFlow 1.安装ubuntu 18.04 1) 在安装之前,需要检测cuda版本,cudnn的...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 42,900
精华内容 17,160
关键字:

深度学习环境搭建