欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Anaconda配置各版本Pytorch的實(shí)現(xiàn)

 更新時(shí)間：2021年08月06日 10:41:35   作者：橋上風(fēng)景窗前人  
本文是整理目前全版本pytorch深度學(xué)習(xí)環(huán)境配置指令，以下指令適用Windows操作系統(tǒng)，在Anaconda Prompt中運(yùn)行，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下

1. 前言

利用 Anaconda 配置 Pytorch 深度學(xué)習(xí)環(huán)境時(shí)利用官網(wǎng)鏈接給出的安裝指令安裝會(huì)很慢，而且經(jīng)常報(bào)錯(cuò)，為此整理目前全版本 pytorch 深度學(xué)習(xí)環(huán)境配置指令，以下指令適用 Windows 操作系統(tǒng)，在 Anaconda Prompt 中運(yùn)行。

2. 配置鏡像源

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

3. pytorch，torchvision，python 版本對(duì)應(yīng)

pytorch，torchvision，python 三者的對(duì)應(yīng)關(guān)系來(lái)源于 pytorch 官方 github，鏈接：https://github.com/pytorch/vision#installation

在這里插入圖片描述

4. 創(chuàng)建并進(jìn)入虛擬環(huán)境

創(chuàng)建一個(gè)虛擬環(huán)境，其中 pt 是自定義虛擬環(huán)境名稱，另外根據(jù)踩坑經(jīng)驗(yàn) python 3.6.5 版本可以適配所有版本的 pytorch，建議創(chuàng)建環(huán)境時(shí) python 解釋器版本選擇 3.6.5 版本。

conda create -n pt python=3.6.5

隨后點(diǎn)擊 y 同意安裝，等待一會(huì)進(jìn)入虛擬環(huán)境。

activate pt

5. Pytorch 0.4.1

conda install pytorch==0.4.1 torchvision==0.2.1 cuda90  # CUDA 9.0
conda install pytorch==0.4.1 torchvision==0.2.1 cuda92  # CUDA 9.2
conda install pytorch==0.4.1 torchvision==0.2.1 cuda80  # CUDA 8.0
conda install pytorch==0.4.1 torchvision==0.2.1 cuda75  # CUDA 7.5
conda install pytorch==0.4.1 torchvision==0.2.1 cpuonly  # CPU 版本

6. Pytorch 1.0.0

conda install pytorch==1.0.0 torchvision==0.2.1 cuda100  # CUDA 10.0
conda install pytorch==1.0.0 torchvision==0.2.1 cuda90  # CUDA 9.0
conda install pytorch==1.0.0 torchvision==0.2.1 cuda80  # CUDA 8.0
conda install pytorch-cpu==1.0.0 torchvision-cpu==0.2.1 cpuonly  # CPU 版本

7. Pytorch 1.0.1

conda install pytorch==1.0.1 torchvision==0.2.2 cudatoolkit=9.0  # CUDA 9.0
conda install pytorch==1.0.1 torchvision==0.2.2 cudatoolkit=10.0  # CUDA 10.0
conda install pytorch-cpu==1.0.1 torchvision-cpu==0.2.2 cpuonly  # CPU 版本

8. Pytorch 1.1.0

conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0  # CUDA 9.0
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=10.0  # CUDA 10.0
conda install pytorch-cpu==1.1.0 torchvision-cpu==0.3.0 cpuonly  # CPU O版本

9. Pytorch 1.2.0

conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0  # CUDA 10.0
conda install pytorch==1.2.0 torchvision==0.4.0 cpuonly  # CPU 版本

10. Pytorch 1.4.0

conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.4.0 torchvision==0.5.0 cpuonly  # CPU 版本

11. Pytorch 1.5.0

conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.5.0 torchvision==0.6.0 cpuonly  # CPU 版本

12. Pytorch 1.5.1

conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.5.1 torchvision==0.6.1 cpuonly  # CPU 版本

13. Pytorch 1.6.0

conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.6.0 torchvision==0.7.0 cpuonly  # CPU 版本

14. Pytorch 1.7.0

conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=11.0  # CUDA 11.0
conda install pytorch==1.7.0 torchvision==0.8.0 cpuonly  # CPU 版本

15. Pytorch 1.7.1

conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=9.2  # CUDA 9.2
conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=10.1  # CUDA 10.1
conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=11.0  # CUDA 11.0
conda install pytorch==1.7.1 torchvision==0.8.2 cpuonly  # CPU 版本

16. Pytorch 1.8.0

conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=11.1  # CUDA 11.1
conda install pytorch==1.8.0 torchvision==0.9.0 cpuonly  # CPU 版本

17. Pytorch 1.9.0

conda install pytorch==1.9.0 torchvision==0.10.0 cudatoolkit=10.2  # CUDA 10.2
conda install pytorch==1.9.0 torchvision==0.10.0 cudatoolkit=11.1  # CUDA 11.1
conda install pytorch==1.9.0 torchvision==0.10.0 cpuonly  # CPU 版本

18. 測(cè)試是否安裝成功

  • CPU 版本測(cè)試：繼續(xù)運(yùn)行 python 進(jìn)入交互式環(huán)境，分別運(yùn)行 import torch，import torchvision 不報(bào)錯(cuò)則安裝成功。
  • GPU 版本測(cè)試：繼續(xù)運(yùn)行 python 進(jìn)入交互式環(huán)境，分別運(yùn)行 import torch，import torchvision 不報(bào)錯(cuò)， 再運(yùn)行 print(torch.cuda.is_available()) 輸出 Ture 則表示安裝成功。

到此這篇關(guān)于Anaconda配置各版本Pytorch的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)Anaconda配置Pytorch內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

相關(guān)文章

最新評(píng)論