文章目录
- 前言
- 一、从创建新环境开始
- 二、使用步骤
- 1.安装pytorch
- 2.安装 d2l 包
- 3.安装其他包
- 4.使用jupyter notebook
前言
记录一下如何利用使用命令行进行anaconda配置 d2l环境、pytorch并进行训练深度学习模型。
一、从创建新环境开始
如果是本地直接装一个 anaconda 软件就行，如果是像我样使用 SSH 远程连接服务器进行操作，建议服务器上安装一个 miniconda。conda中创建一个新环境的命令是：
conda create --name env_name（你的环境名字） python=3.8 # 创建指定python版本
无脑y就是了
使用conda info --envs 可以查看环境，可以看到我们已经创建好一个名叫 d2l 的新环境了
使用conda actiavte d2l进入这个新环境中
二、使用步骤
1.安装pytorch
首先我们要查看一下我们显卡所支持的CUDA版本，在命令行输入nvidia-smi，然后图中画框的地方就可以看到我们显卡的CUDA支持版本，我这里这块 RTX 4090 最高支持 12.2 的 CUDA。
首先我们需要在torch官网中查看一下对应的torch版本。我选了中间的 CUDA 12.1 进行安装，将pip install torch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 --index-url https://download.pytorch.org/whl/cu121这行复制下来。
直接粘贴到命令行运行就行，然后就开始框框下载了。
安装完之后就会显示 successfully 巴拉巴拉：
以防万一，我们输入pip list检查一下是不是真的装上了：
2.安装 d2l 包
我这里是使用pip install d2l==0.17.6 -i https://pypi.mirrors.ustc.edu.cn/simple安装 0.17.6 版本的 d2l 包。
同理使用pip list检查一下，可以看到是安装成功的
同时推荐用pip install jupyter -i https://pypi.mirrors.ustc.edu.cn/simple安装一下jupyter notebook，毕竟mu神视频一直用得是jupyter，也挺好使。
3.安装其他包
还是使用pip install pack_name -i https://pypi.mirrors.ustc.edu.cn/simple的格式安装你的代码所需要的其他包
4.使用jupyter notebook
输入
jupytet notebook
或者是，其中这个root是我在远程服务器的容器名称
jupyter notebook --allow-root
进入jupyter界面之后就是这样：
-langchain的Embedding)
