之后就可以把pycharm固定到收藏夹上 二.minconda的安装 miniconda安装的时候如果采用sudo则以后使用conda命令需要加sudo 这里选择的是miniconda因为我服务器上面之前配置的也是miniconda为了向服务器看齐,这里的话如果安装的是anconda的话window环境下anconda的env拷贝进来好像是可以直接用的,这个我还没有尝试过。 minconda...
然后打开pytorch的官网,由于开头我们通过驱动检测到我的显卡为 RTX3060,最高支持cuda11.4版本,所以我们选择cuda11.1版本的cuda,然后将下面红色框框中的内容复制下来,一定不要把后面的-c pytorch -c conda-forge也复制下来,因为这样运行就是还是在国外源下载,这样就会很慢。 将复制的内容粘贴到pytorch环境下的终端,运行...
# 创建condacreate-n环境名python=指定版本# 删除condaremove-n环境名--all# 激活condaactivate环境名# 退出当前环境,到默认base环境condadeactivate 设置不默认激活base环境 conda config --set auto_activate_base false 查看当前环境中的所有包 condalist 安装删除新包 # 安装condainstall包名# 删除condauninstall包名...
1. Pycharm安装 下载地址:https://www.jetbrains.com/pycharm/download/ Pycharm有专业版(左)和社区版(右)两个版本,两个版本的区别就是专业版多了远程SSH的功能。不想折腾就选社区版,如果有高校邮箱(http://edu.cn)可以选专业版,但每半年需要一次验证。 Pycharm下载页面 下载完成后,一路点击next,到下图这...
假设已经装好了pycharm、anaconda,并且新建了一个conda虚拟环境(我的虚拟环境名为pytorch)。接下来需要安装新版的显卡驱动,安装cuda、cudnn、pytorch和torchvision,这几个环境的版本互相关联,为了能使用更新的项目,尽量安装最新版本的环境。 有的教程采用官网首页推荐的在线安装方式,如下图所示 ...
方案一:pycharm中安装,在配置了相关的解释器后选择下方的终端,输入刚才得到的指令 等待安装完成后,验证是否正确,在终端界面中输入conda list 方案二:在anacoda中安装,道理是同pycharm的,我们打开对应环境的终端界面 在终端中输入对应指令即可 第五步:大功告成 ...
三、在Pycharm上使用搭建好的环境 参考文章 前言 本人纯python小白,第一次使用Pycharm、第一次使用GPU版Pytorch。因为在环境搭建的过程中踩过不少坑,所以以此文记录详细且正确的GPU版Pytorch环境搭建过程,同时包括在Pycharm上使用Pytorch的教程(Anaconda环境)。希望此文对读者有帮助!
打开Pycharm -> File -> New Project 环境选择conda,Pytorch是在Anaconda目录下的名字(可任意取),python版本建议选择3.7或3.9的版本,不容易报错 注意:可执行conda一定要选择这个路径 创建后在Pycharm和Anaconda分别显示这2个界面即在Anaconda目录下成功创建虚拟环境 ...
在Ubuntu18.04下搭建CUDA、cuDNN、Anaconda、tensorflow1.15、Pycharm、ros、Clash环境 1、CUDA搭建 ①查看你需要安装的CUDA与显卡对应的版本,CUDnn对应CUDA的版本,如果你是需要安装tensorflow1.15还需对照CUDA、python的适应性版本,因为CUDA版本太高就安装不了tf1.x版本。
在Ubuntu18.04下搭建CUDA、cuDNN、Anaconda、tensorflow1.15、Pycharm、ros、Clash环境 1、CUDA搭建 ①查看你需要安装的CUDA与显卡对应的版本,CUDnn对应CUDA的版本,如果你是需要安装tensorflow1.15还需对照CUDA、python的适应性版本,因为CUDA版本太高就安装不了tf1.x版本。