精华内容
下载资源
问答
  • 学习过程中总是会接触到各种各样的项目,但是可能各个项目之间需要的环境不一样 ,每次都需要重新去配置相应的环境,这样会显得很麻烦啰嗦,这时候我们就可以借助到虚拟环境来解决这个问题。通过一番摸索,虚拟...

            在学习过程中总是会接触到各种各样的项目,但是可能各个项目之间需要的环境不一样 ,每次都需要重新去配置相应的环境,这样会显得很麻烦啰嗦,这时候我们就可以借助到虚拟环境来解决这个问题。通过一番摸索,虚拟环境的配置一般可以有两个方向:


    说在前面:

    首先查看当前有几个虚拟环境(conda env list):


    (1)借助第三方库

           通过安装virtualenv来安装新的虚拟环境,安装virtualenvwrapper来对虚拟环境进行管理。

    ###安装方法
    pip install virtualenv
    pip install virtualenvwrapper   ####linux下安装
    pip install virtualenvwrapper-win   ###windows下安装
    

          利用virtualenv来创建新的虚拟环境,具体步骤如下:

    • 利用virtualenv test来创建虚拟环境所在目录
    • 激活虚拟环境,linux下 终端下输入source test/bin/activate即可,windows下运行test/Scripts/activate.bat即可。
    • virtualenv -p /usr/bin/python2.7 test    # -p参数指定Python解释器程序路径 ,直接pip安装所需要的包
    • 至于想要退出虚拟环境,linux下直接在终端下运行 . test/bin/deactivate,windows下运行test/Scripts/deactivate.bat即可。

    采用上述这种方式来创建虚拟环境比较单一,当存在多个虚拟环境时,这种方式就比较麻烦。于是就可以采用virtualenvwrapper实现对虚拟环境管理,其使用操作如下:

    • 列出虚拟环境列表:workon
    • 新建虚拟环境:mkvirtualenv [虚拟环境名称]
    • 启动/切换虚拟环境:workon [虚拟环境名称]
    • 离开虚拟环境:deactivate

    (2)借助conda

         anaconda是python里常用到的一个包安装管理工具,同时也可以利用它来对虚拟环境进行创建和管理。推荐使用这种方式来创建使用,具体操作如下

    • 创建虚拟环境 conda create -n python27 python=2.7 # python=2.7 指定python版本
    • 查看是否成功 conda env list
    • 激活虚拟环境conda activate python27(虚拟环境的名字)
    • 退出虚拟环境直接关闭终端,或conda deactivate python27或输入exit即可
    • 删除虚拟环境  conda env remove -n python27即可
    • 对虚拟环境包进行操作
    ###未进入该环境
    conda list -n your_env_name
    conda install --name python27 package_name 
    conda remove --name python27 package_name
    
    
    ###进入该环境
    conda activate python27
    pip install xxx
    • conda安装包加速
    conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
    conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
    conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
    conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
    conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
    conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
    conda config --set show_channel_urls yes
    
    

    参考链接:Anaconda-- conda 创建、激活、退出、删除虚拟环境anaconda conda 切换为国内源

    (3)利用python3实现虚拟环境开发

    由于python3开始集成了virtualenv,于是可以直接借助python3来实现开发环境分割隔离。创建虚拟环境的步骤也很简单,按照以下命令即可

    python -m venv xxxx  ###生成一个简易的与原python相同的环境

    这样会在当前路径下生成一个xxx文件夹,里面包括lib、script等文件夹,接下来启动该虚拟环境

    source xxx  ###Linux下启动xxx环境
    deactivate xxx  ###linux下退出环境
    
    #####windows下
    cd xxx/Scripts
    activate   ####windows下启动环境
    deactivate  ###windows下退出环境

     


    写在后面:

           在安装虚拟环境下,安装项目需要的包时,如在python27下安装numpy时会出现“RuntimeError: Python version >= 3.5 required.”错误,这是由于现在python官方放弃了python2的维护,直接用pip install numpy安装就会出错,直接通过conda install numpy来完成安装。

           当我们在虚拟环境下完成一个项目的开发后,假如我们想要移植该项目,此时常见的,我们需要将该项目导入的所有库全部写入到requirements.txt文件中,我们只需要一个命令即可完成,在该环境下,直接pip freeze > requirements.txt就会在当前路径下生成想要的所有库文件了

    在新的环境下直接pip install -r requirements.txt即可实现所有文件的安装。


    参考博客:

    https://blog.csdn.net/fcy8023/article/details/82764396(Python虚拟环境配置的两种方法)

    https://blog.csdn.net/qq_42224330/article/details/101022115(python-虚拟环境的创建和管理的三种方式)

    展开全文
  • 虚拟环境下端对端深度学习的自动驾驶方法.pdf
  • 基于虚拟现实环境深度学习模型构建.pdf
  • 为了更好的管理深度学习环境,在安装tensorflow环境时,我新建了一个python虚拟环境(tensorflow)专门来做深度学习,这个虚拟环境下相对于原始的本地环境,它拥有我为tensorflow安装所以架包,这样就不会导致环境的架包...

    前言:

    为了更好的管理深度学习环境,在安装tensorflow环境时,我新建了一个python虚拟环境(tensorflow)专门来做深度学习,这个虚拟环境下相对于原始的本地环境,它拥有我为tensorflow安装所以架包,这样就不会导致环境的架包管理混乱(使用python做其他项目如爬虫也是一样的道理,为什么安装虚拟环境可以看:Python为什么要使用虚拟环境-Python虚拟环境的安装和配置-virtualenv)

    安装tensorflow过程可以看:深度学习1-深度学习环境安装,有这一篇就够了!Anaconda-Python+Tensorflow2.0-GPU+Keras+Pycharm

    这本来是比较好的好的操作,但是通过anaconda安装的python自带了jupyter notebook,如果我要使用jupyter notebook话,它默认是不会去使用新建的虚拟环境的,所以我在tensorflow下的架包都没法运行,这样明显不行呀,会导致jupyter notebook 完全没法运行深度学习相关代码.

    怎么办?慌?找了网上一些办法,总结如下:

    1.为了让Jupyter Notebook支持虚拟运行环境,需要在Anaconda里安装一个插件,直接打开cmd,输入下面配置命令:(这个方法没有完全解决,还要配合第二个)

    conda install nb_conda

    再重新开启Jupyter Notebook命令: jupyter notebook  . 我测试过这个方法,有效果,只有配置出来系统默认的一个root虚拟环境,这个环境其实等于没用,因为我们其实要用的自己安装的环境,如笔者的tensorflow虚拟环境.继续往下

    2.这个步骤或办法,正在实现了让自己新建的虚拟环境出现在jupyter notebook运行页面的可选环境中.

    进入要操作的虚拟环境:activate 虚拟环境名称

    activate tensorflow

    配置一个插件:(这个插件是在tensorflow虚拟环境下执行的)

    conda install ipykernel

    python -m ipykernel install --name Name 将环境添加到Jyputer中(Name是此环境显示在Jyputer中的名称,可自定义,其实这一步我也没搞懂是用来配置什么的,是否需要可以自行尝试,我是看教程说这样的,所以直接配置了)

    python -m ipykernel install --name jupyter_tf

    完成上面两步,就可以启动jupyter notebook了.

    在虚拟环境下,如笔者 activate tensorflow进入深度学习虚拟环境,启动jupyter notebook

    jupyter notebook

    打开了jupyter notebook,这次就可以看到我们配置的虚拟环境了,如上图.

    (Tips: 笔者不确定第一步是否一定需要,因为我是先做了第一步,然后在做了第二步,坑一个个踩过来的,安装好了没有新电脑环境测试.建议读者遇到这个问题可以先试试第二步,不行再补第一步,欢迎交流,如果成功了,欢迎分享留言呀)

    参考:

    [1] https://zhuanlan.zhihu.com/p/29564719

    [2] https://blog.csdn.net/weixin_42382050/article/details/90214311

    展开全文
  • 基于虚拟现实技术下深度学习环境的构建研究.pdf
  • win10深度学习环境配置系列之Conda创建虚拟环境[非公]1. Anaconda的安装及换源1.1下载地址:1.2 换源1.2.1生成.condarc配置文件:1.2.2修改.condarc配置文件:1.3 Jupyter notebook修改默认文件夹2.conda创建虚拟环境...

    1. Anaconda的安装及换源

    1.1下载地址:

    1. 官网下载安装(速度较慢,不推荐)
    2. 清华镜像站

    1.2 换源

    原因:若不换源,生成虚拟环境时,从国外网站下载文件,速度慢。

    1.2.1生成.condarc配置文件:

    命令:conda config
    .condarc配置文件位置:C:\Users\Mr.Z.condarc

    1.2.2修改.condarc配置文件:

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

    记事本打开.condarc配置文件,删除-defaults并保存

    1.3 Jupyter notebook修改默认文件夹

    1.命令行输入:jupyter notebook --generate-config
    2.从C:\Users\Mr.Z\.jupyter文件夹中找到jupyter_notebook_config.py文件用文本编辑器打开。
    3.将#c.NotebookApp.notebook_dir = ''改为c.NotebookApp.notebook_dir = 'E:\\Codes\\Python\\Jupyter'(去掉#,路径是双斜杠)
    4.将图标放到桌面并在图标属性中删除最后的 “%USERPROFILE%/
    5.注意:计算机名称中不要出现空格和特殊字符(最好用单词就好),否则用jupyter画图的时候会出现问题。

    2.conda创建虚拟环境

    命令: conda create -n TF2.0 python=3.6.0
    位置: D:\Anoconda3\envs

    3.虚拟环境常用命令

    进入: conda activate TF2.0
    退出: conda deactivate
    删除: conda remove -n TF2.0 --all
    查看: conda-env list

    4.tensorflow2.0安装

    查看python版本:python ( 退出:exit()
    查看列表:pip list
    升级pip:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip
    安装tf2.0:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.0

    展开全文
  • anaconda创建虚拟环境安装不同深度学习框架说在前面的话一 使用anaconda创建虚拟环境二 修改下载源三 在虚拟环境中安装cuda和cudnn四 在虚拟环境中安装TensorFlow和Keras五 在虚拟环境中安装PyTorch六 配置环境常用...

    最近带一个学弟做毕设,深度学习方向,需要安装TensorFlow、PyTorch等深度学习框架。想当初自己是新手的时候可没少被配环境、安装深度学习框架折腾…吃一堑长一智,趁着带毕设,重新回顾一下配环境、装框架那些事儿,并形成文档,方便后期查看~~

    说在前面的话

    使用anaconda安装TensorFlow、Caffe、PyTorch等深度学习框架很方便,大致思路为:首先通过anaconda创建虚拟环境(如果没有安装过anaconda,先要安装anaconda);其次在不同的虚拟环境下安装不同版本的深度学习框架(例如在一个虚拟环境上安装一个tensorflow1.4,在另一个虚拟环境中上安装一个tensorflow1.6,在另一个虚拟环境中安装pytorch),这样做的好处是一旦配置出错,可以直接删除虚拟环境包,而不影响整个系统。

    一 使用anaconda创建虚拟环境

    1. 在系统上安装anaconda
    2. 通过anaconda创建虚拟环境
    conda create -n py3tf pip python=3.5
    

    上述代码创建了一个名叫py3tf的虚拟环境(环境名字可以随便起,但最好包含tf、caffe或pytorch和对相应的版本字样,以免日后混淆),并在这个环境里安装了python3.5。
    【注:】这里的python3.5和anaconda的版本没有对应关系,假设通过anaconda安装的python版本是3.6,但是这里也可以安装python3.5。

    1. 通过如下命令进入虚拟环境
    source activate py3tf
    

    这就进入了虚拟环境,进入后你会发现命令行和之前的有所不同,这时命令行前面多了括号,括号里面含有虚拟环境的名字,之后在这种状态下安装的所有内容就都会安装在虚拟环境里,退出虚拟环境后,将不能使用该虚拟环境中安装的东西。

    二 修改下载源

    修改下载源主要是为了加快下载速度。
    **pip源设置:**在linux系统下创建.pip文件夹,穿件pip.conf文本,写入以下内容(这里使用清华源)。

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

    **conda源设置:**在终端输入

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

    三 在虚拟环境中安装cuda和cudnn

    如果你的系统中已经安装了cuda和cudnn,这一步就不需要执行了,虚拟环境需要使用cuda和cudnn时会自动调用系统中的。但是如果你的系统的cudnn和cuda版本和所要安装的TensorFlow或者PyTorch不匹配,就需要在虚拟环境中重新安装,安装方法如下:

    conda install cudnn=7.1.2
    

    通过上述命令安装cudnn,会自动安装依赖项 cuda(也可以自己通过conda install cuda =9.0自己安装),这里我安装的cudnn版本是7.1.2。如果安装不成功的话,可以尝试加入清华的源(上述命令 加入 -c 源地址)。

    四 在虚拟环境中安装TensorFlow和Keras

    1. 安装TensorFlow
    pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.12.0-cp35-cp35m-linux_x86_64.whl
    

    后面给的地址是gpu版的TensorFlow(linux环境,gpu版本,cp35-cp35m表示python的版本是python35,tensorflow的版本是1.12.0)。这里是软件包位置https://tensorflow.google.cn/install/pip找到与python版本一致的url放到这里。
    【注:】有时候上述命令一次不行,需要再试一次,再不行的话就要考虑cuda与cudnn的问题了。

    1. 安装Keras
    pip install keras
    
    1. 安装opencv
    pip install opencv-python
    
    1. 测试安装的内容

    在虚拟环境下输入python,进入python环境,看看包是否可以导入

    import tensorflow as tf  # 查看是否可以导入tensorflow
    
    tf.__version__    # 查看tensorflow版本
    
    import keras     # 查看是否可以导入keras
    
    keras.__version__    # 查看keras版本
    
    import cv2     # 查看是否可以导入opencv
    
    cv2.__version__     # 查看opencv版本
    

    五 在虚拟环境中安装PyTorch

    1. 安装PyTorch
      创建虚拟环境和配置cuda与cudnn跟上述是一样的,使用source activate name(自己定义的虚拟环境名字)进入虚拟环境就以后,需要去pytorch官网https://pytorch.org/get-started/locally/按照你的系统环境选择相应的操作系统(win or linux)、conda版本、Python版本、cuda版本,响应版本选择好后会给出安装命令,如下:
    conda install pytorch torchvision -c pytorch
    
    1. 测试PyTorch
    import torch
    torch__version__
    

    六 配置环境常用命令

    1. 查看已安装的虚拟环境
    conda env list
    
    1. 进入虚拟环境
    source activate 虚拟环境名称
    
    1. 退出虚拟环境
    source deactivate
    
    1. 删除虚拟环境
    conda remove -n 虚拟环境名称 --all
    
    1. 删除虚拟环境中的包
    conda remove --name $虚拟环境名称  $包名称
    
    1. 查看包
    conda list
    
    1. 创造一个相同环境
    conda create --name py3tf16gpu --clone py3tf   #根据py3tf16创造一个名称为py3tf16gpu的虚拟环境
    
    展开全文
  • 利GPU 虚拟化技术搭建易可扩 展的深度学习环境 Jie Zhang Sr. Grid Solution Architect 2 1. NVIDIA GPU 虚拟化技术原理和功能介绍 2. 搭建深度学习环境的常法 议程 3. 如何利NVIDIA GPU 虚拟化案构建深度学习环境 4...
  • 使用anaconda安装tensorflow等框架,可以先通过anaconda创建虚拟环境,然后在每一个虚拟环境下装上不同的版本的框架(例如在python2上安装一个tensorflow,在oython3上安装一个tensorflow)。并且如果需要删除也比较...
  • 创建虚拟环境 conda create -n your_env_name python=3.6.2 pip numpy matplotlib pandas sortedcontainers conda克隆虚拟环境 conda create -n your_env_name --clone old_env_list 激活这个虚拟环境 source ...
  • 搭建虚拟环境virtualenv #在命令行中输入 pip install vrirualenv #或者 (需要先安装好anaconda) conda install virtualenv 创建环境(这一步windows和Linux相同) cd ***** #相应的文件夹 vir...
  • 搭建深度学习开发环境一、深度学习应用的典型开发流程二、深度学习训练所需的硬件三、NVIDIA显卡驱动安装(可跳过)四、释放NVIDIA显卡资源(可跳过)五、深度学习开发环境所需的软件5.1 Python和Anaconda5.2 ...
  • 存在的问题,使用ipython测试import torch时,会报错,但实际是因为直接输入ipython,但是虚拟环境中没有安装,会直接调用虚拟环境外的ipython,虚拟环境外的ipython中不含torch,所以会报错。 虚拟环境中安装...
  • Linux下anaconda创建虚拟环境以适应各种版本需求的深度学习代码(搭配Pycharm使用) 这是我的第一篇博客(汗颜),想借写博客来记录学习路上的各种心得以及爬的坑,同时对自己也是一种激励。 因为各种模型使用的环境...
  • 行为投入影响深度学习的实证探究——以虚拟现实(VR)环境下的视频学习为例.pdf
  • 深度学习-环境配置

    千次阅读 2020-05-23 09:39:34
    win10深度学习环境搭建 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+pytorc
  • 《动手学习深度学习环境搭建详细教程 推荐使⽤conda来安装运⾏代码所依赖的软件。conda是⼀个流⾏的Python包管理软件。Windows⽤⼾可按照以下步骤。 第⼀步是根据操作系统下载并安装Miniconda 在安装过程中不要...
  • 关于以下内容的教程和详细步骤:在Anaconda的envs目录下管理并安装多个不同版本的深度学习环境tensorflow和pytorch,不同环境下安装不同版本的cuda(含操作截图和资源链接)。
  • 深度学习环境搭建笔记环境搭建平台准备安转资料安转过程环境测试注意事项新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一...
  • 环境配置这块,网上的资料非常多,简而言之,使用Anaconda,安装好必要的科学计算包。 步骤 step1. 下载Anaconda step2. 安装Anaconda,windows下勾选上Add Path To System step3. 使用Anaconda Prompt进行...
  • 工欲善其事,必先利其器。首先我们需要花费一些时间来搭建开发环境。 1.安装python。python是人工智能开发首选...类似的虚拟环境还有anaconda,anaconda自带常用库,因此安装包有几百兆,与anaconda相比,virtualenv...
  • 基于Anaconda安装GPU版PyTorch深度学习开发环境1 安装Anaconda2 安装GPU计算驱动2.1 检查是否有合适的GPU2.2 下载CUDA和cuDNN2.3 安装CUDA和cuDNN3 安装GPU版PyTorch3.1 准备工作3.2 安装CUDA3.3 安装cuDNN3.4 安装...
  • 先进入你想要导出的环境,然后执行命令: conda env export > environment.yml 然后找到这个文件environment.yml,一般是在虚拟环境下,找不到的话搜一下,可能会出现很多,挨个打开看一下就可以了 3、 然后创建...
  • 先前一直在捣鼓如何配置Linux下深度学习环境,中间遇到各种坑,光是装Linux系统就试了3个版本,装了十几次,搭建环境时遇到的错误也千奇百怪。本文为多次搭建后总结经验而成,较系统地完成了Ubuntu安装及深度学习...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 37,457
精华内容 14,982
关键字:

深度学习虚拟环境