te')); return $arr; } /* 遍历用户所有主题 * @param $uid 用户ID * @param int $page 页数 * @param int $pagesize 每页记录条数 * @param bool $desc 排序方式 TRUE降序 FALSE升序 * @param string $key 返回的数组用那一列的值作为 key * @param array $col 查询哪些列 */ function thread_tid_find_by_uid($uid, $page = 1, $pagesize = 1000, $desc = TRUE, $key = 'tid', $col = array()) { if (empty($uid)) return array(); $orderby = TRUE == $desc ? -1 : 1; $arr = thread_tid__find($cond = array('uid' => $uid), array('tid' => $orderby), $page, $pagesize, $key, $col); return $arr; } // 遍历栏目下tid 支持数组 $fid = array(1,2,3) function thread_tid_find_by_fid($fid, $page = 1, $pagesize = 1000, $desc = TRUE) { if (empty($fid)) return array(); $orderby = TRUE == $desc ? -1 : 1; $arr = thread_tid__find($cond = array('fid' => $fid), array('tid' => $orderby), $page, $pagesize, 'tid', array('tid', 'verify_date')); return $arr; } function thread_tid_delete($tid) { if (empty($tid)) return FALSE; $r = thread_tid__delete(array('tid' => $tid)); return $r; } function thread_tid_count() { $n = thread_tid__count(); return $n; } // 统计用户主题数 大数量下严谨使用非主键统计 function thread_uid_count($uid) { $n = thread_tid__count(array('uid' => $uid)); return $n; } // 统计栏目主题数 大数量下严谨使用非主键统计 function thread_fid_count($fid) { $n = thread_tid__count(array('fid' => $fid)); return $n; } ?>Anaconda镜像安装Pytorch--GPU版 （Windows系统）

科技改变生活-雨落星辰 - 所有的伟大,都源于一个勇敢的开始

    最新消息：雨落星辰是一个专注网站SEO优化、网站SEO诊断、搜索引擎研究、网络营销推广、网站策划运营及站长类的自媒体原创博客
    你的位置： 首页>运维笔记>Anaconda镜像安装Pytorch--GPU版 （Windows系统）

    Anaconda镜像安装Pytorch--GPU版 （Windows系统）

    运维笔记admin3浏览0评论

    目录

    • 一、 Anaconda镜像安装GPU版pytorch
      • 1.1 安装 Anaconda环境管理工具
      • 1.2 pytorch环境安装固定步骤
      • 1.3. 导入镜像包
      • 1.4. 创建Python环境
      • 2.激活环境
      • 3. conda安装pytorch-GPU 与对应版本的cuda,cudnn
        • 3.1. 查看本机的cuda版本：执行命令 nivdia-smi
        • 3.2 . 安装适配的pytorch cuda torchvision 三个同时conda
        • 3. 3. 检测是否安装成功
        • 3.4. 安装各类需求包
    • 二. Anaconda镜像安装tensorflow-gpu1.14及Keras超详细版

    一、 Anaconda镜像安装GPU版pytorch

    1.1 安装 Anaconda环境管理工具

    直接官网下载或者参考下面

    Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。装anaconda，就不需要单独装python了。
    anaconda优点：

    优点

    1、anaconda里面集成了很多关于python科学计算的第三方库，主要是安装方便，而python是一个编译器，如果不使用anaconda，那么安装起来会比较痛苦，各个库之间的依赖性就很难连接的很好。

    2、常见的科学计算类的库都包含在里面了，使得安装比常规python安装要容易。

    参考下载地址：anaconda安装-超详细版或者直接官网下载（注意勾选add path 省去配置系统环境变量），我们可以直接测试：

    输入：conda --version ，——查看是否有conda环境

    1.2 pytorch环境安装固定步骤

    1.3. 导入镜像包

    Anaconda 镜像使用帮助
    Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。

    Anaconda 安装包可以到 https://mirrors.tuna.tsinghua.edu/anaconda/archive/ 下载。

    TUNA 还提供了 Anaconda 仓库与第三方源（conda-forge、msys2、pytorch等，查看完整列表）的镜像，各系统都可以通过修改用户目录下的 .condarc 文件。Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改。

    注：由于更新过快难以同步，我们不同步pytorch-nightly, pytorch-nightly-cpu, ignite-nightly这三个包。

    更新清华源镜像官方操作参考地址

    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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/

    Conda - Downloaded bytes did not match Content-Length 问题解决方案：参考解决方案

    1.4. 创建Python环境

    在Anaconda Prompt 管理运行：

    conda create -n  xxxx python=3.6/3.7/3.8/3.9

    代表创建一个python=3.6/3.7/3.8/3.9的环境，我们把它命名为xxx

    2.激活环境

    conda activate xxx

    激活环境，方便在该环境中安装库

    3. conda安装pytorch-GPU 与对应版本的cuda,cudnn

    3.1. 查看本机的cuda版本：执行命令 nivdia-smi


    上图可见cuda版本是11.6，记住这个版本，后续需要根据你的cuda版本去选择合适的安装命令。

    如果电脑没有安装cuda，需要重新去英伟达官网下载cuda驱动。具体可参考：cuda下载与安装

    3.2 . 安装适配的pytorch cuda torchvision 三个同时conda

    配置：win 10或Ubuntu 下都通用 , 假设 python=3.6

    pytorch cuda torchvision 三个版本需要匹配的，对于pytorch 和torchvision，最简便的方法当然是去pytorch官网按照给定配置自动生成的下载链接了：Pytorch官网地址，这样的版本都是匹配的。

    这上面的命令：conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge
    已经代表了需要下载的pytorch cuda torchvision 三个包及适配版本。

    ( 可去除-c pytorch可切换至镜像安装，避免安装中断或时间过长 )
    直接执行适配的cuda==11.6

    conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c conda-forge

    安装时间按可能有点长（一般是向下兼容的cuda版本，最好选择与本机cuda驱动相同的）。

    3. 3. 检测是否安装成功

    执行下面命令：

    python
import torch
print(torch.__version__)           #输出Pytorch的版本
print(torch.cuda.is_available())   #看看能否正常调用CUDA（yes）

    如果检测不到cuda正常调度

    nvcc -V / nivdia-smi 查看 cuda 版本

    1. 首先确定显卡是否支持CUDA，https://www.geforce/hardware/technology/cuda/supported-gpus，一般有显卡的均可。
    2. 确保驱动升级到最新（确保驱动与cuda版本互相支持）,所以必须选择你本机的cuda版本。
    3. 进入选择你要的版本进行(cu10.0)torch+torchvision(0.3) 版本需要对应[离线下载pip安装]
    4. 可能是没有启动驱动NVIDA设置，或者系统没有下载驱动设备。（下载360驱动大师）

    3.4. 安装各类需求包

    缺啥补啥：最好实在cmd管理命令中安装： pip install xxx , 或者在pycharm终端执行，前提是切换到你的环境。

    二. Anaconda镜像安装tensorflow-gpu1.14及Keras超详细版

    安装tensorflow-gpu1.14及Keras（参考该博主）超级详细的过程在链接中。

    下载安装好了cuda10.0,与对应版本cudnn 7.6.4：

    下载安装好后，需要在环境变量中添加路径。
    PATH中手动添加：

    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
前两个一般安装好CUDA后会自动配置好，后两个需要手动添加

    注意：若没有显卡驱动，需要先到英伟达官网下载最新的显卡驱动，或者下载360驱动大师，建议后者快。

    与本文相关的文章

    发布评论

    评论列表(0)

    1. 暂无评论