用miniconda建立PyTorch、Keras、TensorFlow三个环境

一、配置清华镜像conda源

由于网络问题,直接使用conda默认的源下载包可能会非常慢。为了解决这个问题,可以配置国内镜像源来加速包的下载。清华大学TUNA协会提供了一个常用的conda镜像源。下面是如何配置清华镜像源的步骤:
1. 配置清华conda镜像源:
   打开命令行或终端,运行以下命令来添加清华conda镜像源:

   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/free/conda config --set show_channel_urls yes

   这将依次添加清华大学提供的主要通道、自由通道。
2. 配置清华PyTorch镜像源:
   如果需要安装PyTorch,因为PyTorch官方也提供了conda通道,还可以添加PyTorch的清华源,以同样的方式增加速度:     

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

3. 配置优先级:
   为了确保conda优先从清华源下载包,可以优先排列这些镜像源。可以通过编辑`~/.condarc`文件实现,例如,将最想使用的源置于文件的顶部。`~/.condarc`文件是conda的配置文件,可以手动编辑它来管理不同的channels和配置。
   当运行 conda config --add channels 命令时,conda 会自动修改这个文件。如果需要手动编辑它(例如使用文本编辑器),它可能看起来是这样的:  

   channels:- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/- defaultsshow_channel_urls: true

   现在,conda命令应该会优先从清华的镜像源下载包。
要注意的是,镜像源有时会滞后于原始源,或者由于各种原因暂时无法使用。如果遇到问题,可以通过编辑`~/.condarc`文件来临时禁用某个源,或者通过`conda config --remove channels`命令来移除配置的镜像源。
此外,为了确保这些更改生效,可以关闭并重新打开终端,或者启动一个新的终端会话。
参考官方文档或相应镜像网站的说明以获取最新的信息和帮助。

要配置清华的conda镜像源,可以按照以下步骤操作:

1. 备份当前的`.condarc`文件:在命令行中运行 `cp ~/.condarc ~/.condarc_backup`。
2. 添加清华镜像源:在命令行中运行以下命令以添加清华的conda镜像源:
- 对于主频道:`conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main`
- 对于免费频道:`conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free`
- 对于R频道:`conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r`
- 对于Pro频道:`conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro`
- 对于msys2频道:`conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2`
3. 设置显示频道URL:运行 `conda config --set show_channel_urls yes` 以在后续安装包时显示使用的镜像站URL。
4. 清除索引缓存:运行 `conda clean -i` 清除索引缓存,确保使用的是镜像站提供的索引。
5. 查看配置信息:运行 `conda config --show` 查看配置信息,确认镜像源已成功添加。

总的来说,完成以上步骤后,就成功配置了清华的conda镜像源,这将有助于提高在国内下载Anaconda包的速度和稳定性。如果在操作过程中遇到任何问题,可以参考清华大学开源软件镜像站的使用帮助或相关教程获取更多信息。

二、miniconda建立PyTorch、Keras、TensorFlow三个环境

Miniconda 是一个轻量级的conda环境,用于管理Python环境和包。为了创建三个不同的环境,可以按照以下步骤操作:
1. 安装Miniconda:
   如果还没有安装Miniconda,请从[Miniconda官网](https://docs.conda.io/en/latest/miniconda.html)下载合适的版本并进行安装。确保在安装过程中将conda命令添加到系统的PATH中,这样才可以在命令行或终端中使用conda命令。
2. 创建独立的环境:
   以下命令将分别创建名为`pytorch_env`、`keras_env`、`tensorflow_env`的三个环境,并指定Python版本。
   - 为PyTorch创建环境:

conda create -n pytorch_env python=3.8

   - 为Keras创建环境:    

conda create -n keras_env python=3.8

   - 为TensorFlow创建环境:    

conda create -n tensorflow_env python=3.8

   可以选择Python的版本,这里以Python 3.8为例,也可以选择Python 3.6, 3.7, 3.9等,但要确保与需要安装的库版本兼容。
3. 激活环境并安装相应的包:
   - 激活PyTorch环境并安装PyTorch:

     conda activate pytorch_envconda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

     注意:这里的`cudatoolkit=10.2`是CUDA的一个版本,应该根据NVIDIA显卡驱动和需求来选择合适的版本。
   - 激活Keras环境并安装Keras:

     conda activate keras_envconda install keras

     注意:这将安装Keras的最新版本,它通常会自动安装TensorFlow作为依赖。如果想指定TensorFlow版本,可以单独安装TensorFlow后再安装Keras。
   - 激活TensorFlow环境并安装TensorFlow:

     conda activate tensorflow_envconda install tensorflow

     如果需要GPU支持的TensorFlow版本,请使用以下命令:

conda install tensorflow-gpu

4. 验证安装:
   为了验证是否正确安装了环境和包,可以在激活相应环境后尝试导入库并打印版本号。

   python -c "import torch; print(torch.__version__)"python -c "import keras; print(keras.__version__)"python -c "import tensorflow; print(tensorflow.__version__)"

记住在每次工作时激活相应的环境。要切换到不同的环境,先使用`conda deactivate`命令退出当前环境,再用`conda activate 环境名称`命令激活另一个环境。
以上步骤假设计算机联网并且Miniconda已安装。如果遇到网络问题,可能需要配置清华镜像等conda源来加速包的下载。

三、miniconda建立PyTorch、Keras、TensorFlow三个非GPU环境

Miniconda是一个轻量级的conda环境,通常只包含conda、Python和相关的基础依赖。可以使用Miniconda来创建隔离的环境,每个环境可以有自己的Python版本和一套不同的库。下面的步骤将指导如何用Miniconda分别创建PyTorch、Keras和TensorFlow的非GPU环境。
1. 安装Miniconda
   如果你尚未安装Miniconda,你需要首先前往Miniconda官方网站下载安装它。选择适合你操作系统的安装程序,并按照官网的指示进行安装。
2. 创建PyTorch环境
   打开终端或命令提示符,并输入以下命令来创建新环境并安装PyTorch:

   conda create --name pytorch_env python=3.8conda activate pytorch_envconda install pytorch torchvision torchaudio cpuonly -c pytorch

3. 创建Keras环境
   先确认tensorflow环境还未被激活,然后输入以下命令来创建新环境并安装Keras及CPU版本的TensorFlow:

   conda create --name keras_env python=3.8conda activate keras_envconda install tensorflowconda install keras

4. 创建TensorFlow环境
   先确认之前的环境已经被禁用,然后输入以下命令来创建新环境并安装CPU版本的TensorFlow:

   conda create --name tensorflow_env python=3.8conda activate tensorflow_envconda install tensorflow

请注意,这里只是列出了基本的安装命令。实际上,可能需要更细节的配置,如选择特定的版本,以确保环境的兼容性和满足其他的需求。在命令中指定"python=3.8"是因为PyTorch、TensorFlow等库通常比较依赖特定版本的Python。
在安装时使用"-c pytorch"或其他的"-c"参数可以指定从哪个conda channel安装包,例如"C:\Users\username\miniconda3"。
完成之后,可以通过`conda activate pytorch_env`, conda activate keras_env, 或 conda activate tensorflow_env 来激活任何一个独立环境,并使用对应的库。
这些环境是独立的,所以在一个环境中做出的改变不会影响到其他的环境。记得在开始工作前激活适当的环境。
不要忘记在项目完成后,可以通过`conda deactivate`来退出当前环境。

相关链接

win10快速安装tensorflow_window10快速安装tensorflow-CSDN博客

【python】Ubuntu下安装spyder及matplotlib中文显示_spyder安装matplotlib库-CSDN博客

win10系统anaconda3同时安装mxnet、tensorflow、pytorch、飞桨的GPU版本_mxnet和tensorflow可以兼容吗-CSDN博客

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:http://www.mzph.cn/news/740434.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

发布DDD脚手架到Maven仓库,IntelliJ IDEA 配置一下即可使用

作者:小傅哥 博客:https://bugstack.cn 项目:https://gaga.plus 沉淀、分享、成长,让自己和他人都能有所收获!😄 大家好,我是技术UP主,小傅哥。 这篇文章将帮助粉丝伙伴们更高效地利…

使用 Jenkins 和 Spinnaker 构建 Kubernetes CI/CD

无论您是新手还是持续集成和持续交付以及容器化领域的经验丰富,本文都将为您提供设置 Spinnaker 以满足您的软件应用程序交付需求的基本知识。 了解 Jenkins、Spinnaker 和 Kubernetes Kubernetes 和 Jenkins 是两个强大的工具,它们相互配合&#xff0…

Head First Design Patterns - 命令模式

什么是命令模式 命令模式,把请求封装成对象,以便使用不同的请求、队列或者日志请求来参数化其他对象,并支持可撤回的操作。 为什么会有命令模式 假设要设置一个遥控器,遥控器需要控制多个设备,每个设备除了开关&#…

uniapp微信小程序 隐藏顶部导航栏 路由跳转带参数

隐藏单页顶部导航栏和左上角返回按钮,在pages.json里配置 {"path": "pages/gameLogin/gameLogin","style": {"navigationStyle":"custom","app-plus":{"titleView":false}} } 路由跳转 u…

ARM64汇编06 - 基本整型运算指令

ADD (immediate) 将 Xn 与 imm 相加,结果赋值给 Xd,imm 是无符号数,范围为 0 - 4095。 shift 是对 imm 进行移位,shift 为 0 的时候,表示左移 0 位,即不变。shift 为 1 的时候,表示左移12 位&a…

Linux的MySQL安装与卸载

安装与卸载 卸载安装配置yum源安装MySQL 声明一下本人用的Linux版本是CentOs7.9版本的。 卸载 如果我们用的云服务器,云服务器可能会自带MySQL或者mariadb(其实就是MySQL的一个开源分支),如果我们不想用自带的,需要先…

基于YOLOv8/YOLOv7/YOLOv6/YOLOv5的水下目标检测系统(深度学习模型+UI界面+训练数据集)

摘要:本研究详述了一种采用深度学习技术的水下目标检测系统,该系统集成了最新的YOLOv8算法,并与YOLOv7、YOLOv6、YOLOv5等早期算法进行了性能评估对比。该系统能够在各种媒介——包括图像、视频文件、实时视频流及批量文件中——准确地识别水…

【C++教程从0到1入门编程】第八篇:STL中string类的模拟实现

一、 string类的模拟实现 下面是一个列子 #include <iostream> namespace y {class string{public: //string() //无参构造函数// :_str(nullptr)//{}//string(char* str) //有参构造函数// :_str(str)//{}string():_str(new char[1]){_str[0] \0;}string(c…

图论(蓝桥杯 C++ 题目 代码 注解)

目录 迪杰斯特拉模板&#xff08;用来求一个点出发到其它点的最短距离&#xff09;&#xff1a; 克鲁斯卡尔模板&#xff08;用来求最小生成树&#xff09;&#xff1a; 题目一&#xff08;蓝桥王国&#xff09;&#xff1a; 题目二&#xff08;随机数据下的最短路径&#…

爬虫练习:获取某网站高清壁纸

一、相关网站 二、查看robots.txt 三、相关代码 import requests from lxml import etree import osheaders {user-agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36 } #发送请求 list_url https:/…

stm32使用时钟生成PWM时调用__HAL_TIM_SetAutoreload导致PWM消失处理

stm32使用时钟生成PWM时调用__HAL_TIM_SetAutoreload导致PWM消失处理 这一个是配置的时候没有使用影子寄存器导致的, 如果加载的Autoreload的值比原来的这一个值小, 这是会出现一个问题, 如果计数器里面的值记为Count, 如果改变的时候New_Autoreload < Count < Old_Auto…

掌控逻辑流动之美:Python中的条件语句与循环结构深度解析与实战演练

在Python编程的海洋中&#xff0c;条件语句与循环就像是舵手手中的罗盘和船桨&#xff0c;指引着程序执行的方向与节奏。掌握好这两类控制结构&#xff0c;无疑能让您的代码更具智慧与灵动性。本文将深入浅出地介绍Python中的条件语句&#xff08;if-elif-else&#xff09;与循…

CCCorelib 点云球形特征(CloudCompare内置算法库)

文章目录 一、简介二、实现代码三、实现效果参考资料一、简介 这里基于每个点的邻域协方差来获取点云中具有的球形几何特征的点,计算方式如下图所示: 二、实现代码 // CloudCompare #include <CCCoreLib/PointCloudTpl.h> #include <CCCoreLib/

C++:[NWRRC2015] Concatenation(洛谷)P7050

题目描述 Famous programmer Gennady likes to create new words. One way to do it is to concatenate existing words. That means writing one word after another. For example, if he has words cat and dog, he would get a word catdog, that could mean something lik…

【系统安全】浅谈保障接口安全的10种技术手段

接口安全是系统稳定亘古不变的道理&#xff0c;作为程序员可以从哪些方面下手呢&#xff1f; 注&#xff1a;因为一些原因&#xff0c;突然想总结接口安全的重要性。之前写过类似的文章&#xff0c;今天增加一些案例总结其应用场景。 1、接口传输加密&#xff0c;不单单依赖h…

spring-boot操作elasticsearch

一、环境准备 springboot与elasticsearch的更新都非常快&#xff0c;为了避免兼容性问题&#xff0c;要注意下选择的版本问题。具体的可参考官网 --> springboot与elasticsearch版本兼容性 1.1导入依赖 <dependencies><dependency><groupId>org.spring…

深度学习基础知识之通道数channels

大多数的深度学习模型&#xff0c;模型上会展示图片的尺寸&#xff0c;如&#xff1a;352x352x3 这里面352x352表示的是像素大小&#xff0c;即高和宽都为352个像素&#xff0c;而3表示的是通道数&#xff0c;指输入的是3通道的RGB图像&#xff0c;每个颜色通道的取值范围为0-2…

中间件面试题之ElasticSearch

ElasticSearch相关面试题 此题是xx位面试题 (1)有两个机房,每个机房两台服务器,总共有4台服务器搭建的ES集群,怎么控制所有副本在一个机房或者某些节点里面。 可以通过打标签的形式,指定哪些索引的主分片在哪个节点上。 首先指定节点的类型: ## 指定节点类型 方式 …

在Ubuntu中如何基于conda安装jupyterlab

在Ubuntu中如何创建ipykernel 可以用下面命令完成 conda create -n newenv python3.8conda activate enwenvconda install ipykernel5.1.4conda install ipython_genutilsipython -m ipykernel install --user --namepython3 --display-name Python3conda install -c conda-fo…

k8s的pod和svc相互访问时网络链路解析

k8s的pod和svc相互访问时网络链路解析 1. k8s环境中pod相互访问1.1. k8s中pod相互访问的整体流程1.2. k8s的相同机器的不同pod相互访问1.3. k8s的不同机器的不同pod相互访问 3. k8s访问svc3.1 nat操作3.2 流量进入到后端pod 4. 疑问和思考4.1 访问pod相互访问为什么不用做nat?…