程序员经验分享-hwhale

一、Win10+非英伟达显卡+Anaconda+Pytorch安装

2023-05-16

目录

 

一、Python

二、显卡

2.1查看显卡类型

2.2显卡类型简介

2.2.1显示

2.2.2 呈现

三、安装Anaconda

3.1 安装Anaconda

3.2 创建pytorch环境

四、安装Pytorch

4.2镜像安装：

一、Python

本笔记本安装Python3.7.2版本，位于D:\python3.7

 cmd进入命令行

查看python安装位置;where python

查看Python版本：python 

安装Anaconda不需要Python，可卸载，否则会影响之后的安装。不想卸载的话可以百度Anaconda和python共存的方法。

二、显卡

2.1查看显卡类型

    1.win+R打开运行命令窗口,输入“dxdiag”并点击【确定】按钮,若有窗口弹出请选择“否”。

    2.切换到“显卡”,就能查看显卡的芯片型号、显存大小(1024MB=1GB)等配置信息。

2.2显卡类型简介

2.2.1显示

    显示即集成显卡：集成的显卡一般不带有显存，而是使用系统的一部分主内存作为显存，具体的数量一般是系统根据需要自动动态调整的。显然，如果使用集成显卡运行需要大量占用内存的空间，对整个系统的影响会比较明显。

    CPU集成显卡：

    cpu处理器集成显卡就是指集成在cpu内部的显卡，又叫“核芯显卡”，是指GPU部分与CPU建立在同一内核芯片上，两者完全融合的芯片。
          1.如Intel酷睿i3 、i5、 i7系列处理器以及AMD APU系列处理器中多数都集成了显卡。这集成显卡与独立显卡是相对的，独立显卡就有独立核心可以自由拆卸，如精影GTX650这类就是独立显卡。
          2.集成显卡的好处就在于其固定在主板上，没有什么安排麻烦。如I5或I7这样的集成显卡性能还相当不错，可以和中端独立显卡性能和显示效果相当。
          3.当然，要是在玩大型游戏时，集成显卡就会显得有点力不从心了，一般都可以在主板扩展的PCI-E显卡插槽上加装一个独立显卡，就可以达到更好的显示效果。装上独立显卡后，集成显卡一般就会自动屏蔽的。

共享内存：即集成显卡和内存共享的一部分内存。

2.2.2 呈现

呈现即独立显卡(此电脑为AMD）：有自己的内存的显卡。

三、安装Anaconda

3.1 安装Anaconda

安装教程：https://blog.csdn.net/HHTNAN/article/details/79856084

下载网址：https://repo.anaconda.com/archive/

本机安装版本：Anaconda3-5.3.0-Windows-x86.exe

3.2 创建pytorch环境

创建不同版本pytorch的运行空间：（视频教程：https://www.bilibili.com/video/BV1hE411t7RN?p=1）

1.win10开始项——>打开anacoda prompt

2.输入conda create -n pytorch python=3.7 ,此命令成功也代表Anaconda安装成功。中间写y 。

   若报错或不成功：https://www.cnblogs.com/yssgxxy/p/13937056.html（其中提到的condarc文件用记事本打开即可）

3.进入pytorch空间命令：conda activate pytorch

有序的环境管理：

不同项目可能会使用不同版本的环境，比如这个要使用pytorch0.4,另一个使用pytorch1.0，Anaconda集成的conda包就能够解决两个环境共存和切换的问题。它可以创造两个屋子，一个装0.4版本，一个装1.0版本。

首先使用conda create -n pytorch python=3.7指令创建一个屋子，叫做pytorch。其中，conda是指调用conda包，create是创建的意思，-n后面跟着屋子的名字，python3.7指创建的屋子是python3.7版本的。

四、安装Pytorch

4.1官网安装（不建议，容易出错）

视频教程：https://www.bilibili.com/video/BV1hE411t7RN?p=1

1.进入pytorh官网：https://pytorch.org/get-started/locally/

2.选择版本：

没有英伟达显卡选择CUDA=None

3. 复制Run this command处相应的下载命令，粘贴至Anaconda prompt命令窗口刚才创建的pytorch环境下，回车等待安装即可。

 

 

4.2镜像安装：

文字教程：https://www.cnblogs.com/kevin-lee123/p/12323008.html

1.在Anaconda promt 下加载清华镜像（base环境下加载即可）

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

2.进入官网，找到相应的pytorch下载命令（参见4.1官网安装）

3.删除命令最后的-c pytorch,将命令粘贴到pytorch环境下，等待安装即可，中间写y

4.安装成功测试：进入python，检验一下导入包有没有什么问题，以下情况即为安装成功。

 

 

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

win10

Anaconda

Pytorch

非英伟达显卡

一、Win10+非英伟达显卡+Anaconda+Pytorch安装 的相关文章

随机推荐

  • SpringBoot整合ElasticSearch

    原文链接 ElasticSearch是个开源分布式搜索引擎 xff0c 提供搜集 分析 存储数据三大功能 它的特点有 xff1a 分布式 xff0c 零配置 xff0c 自动发现 xff0c 索引自动分片 xff0c 索引副本机制 xff0

  • Python将二维数组输出为图片

    原文链接 使用Python读取二维数组 xff0c 将二维数组输出为图片 xff0c 并保存在本地 代码如下 xff1a span class token comment coding 61 utf8 span span class tok

  • 如何使用Tin快速搭建Gitlab-ce？（史上最简单方法）

    GitLab是Git代码版本管理平台 xff0c 相比于GitHub xff0c GitLab还免费支持私人仓库 GitLab ce是gitlab的开源版本 目前网上Gitlab ce的安装方法有很多 xff0c 但大同小异都需要安装各种依

  • 堆叠降噪自动编码器 Stacked Denoising Auto Encoder（SDAE）

    原文链接 自动编码器 xff08 Auto Encoder xff0c AE xff09 自动编码器 xff08 Auto Encoder xff0c AE xff09 自编码器 xff08 autoencoder xff09 是神经网络的

  • PyTorch中 nn.Conv2d与nn.ConvTranspose2d函数的用法

    原文链接 1 通道数问题 xff1a 描述一个像素点 xff0c 如果是灰度 xff0c 那么只需要一个数值来描述它 xff0c 就是单通道 如果有RGB三种颜色来描述它 xff0c 就是三通道 最初输入的图片样本的 channels xf

  • Python中LSTM回归神经网络的时间序列预测

    原文链接 这个问题是国际航空乘客预测问题 xff0c 数据是1949年1月到1960年12月国际航空公司每个月的乘客数量 xff08 单位 xff1a 千人 xff09 xff0c 共有12年144个月的数据 网盘链接 提取码 xff1a

  • pip安装时 fatal error C1083: 无法打开包括文件: “io.h”: No such file or directory

    原文链接 使用pip安装模块 xff0c 出现错误 xff1a c users anaconda3 include pyconfig h 68 fatal error C1083 无法打开包括文件 io h No such file or

  • linux 程序被Killed，查看原因

    原文链接 1 查看信息 xff1a 输入以下程序 xff1a dmesg egrep i B100 39 killed process 39 可以输出最近killed的信息 2 设定kill优先度 xff1a xff08 1 xff09 完

  • Kafka的幂等性与事务性理解

    最近在深入理解Flink的Exactly Once xff0c 发现Flink Checkpoint只能保障Flink程序内部的一致性 xff0c 无法保证Sink到外部系统的Exactly Once语义 但是Sink到外部如果实现了Two

  • 为什么不直接操作State，而是要额外定义一个变量

    最近浏览Flink文章的时候发现一个现象 xff0c 就是在操作State的时候 xff0c 很多文章里面并不会直接操作State xff0c 而是会定义一个相似的变量去操作 xff0c 在 snapshot 和 recover 的时候讲变

  • 了解下SparkSQL中的笛卡尔积

    虽然应该尽量避免使用笛卡尔积 xff0c 因为要全量匹配 xff0c 所以运算的效率十分低下 xff0c 但是有些业务有必须得用 xff0c 所以在此了解下SparkSQL中的笛卡尔积 SparkSQL中计算笛卡尔积时有两种Join方式 x

  • 在Redis集群模式下使用pipeline进行批量操作

    最近开始又接触到了Redis xff0c 之前在工作中使用Redis的时候 xff0c 由于QPS不高 xff0c 都是直接get set搞定了 这次遇到的业务数据量比较大 xff0c 更新也很频繁 xff0c Redis使用是集群模式 x

  • RDD计算时是把数据全部加载至内存么

    RDD的本质 RDD的本质是一个函数 而RDD的变换不过是函数的嵌套 RDD有两类 输入的RDD 典型如KafkaRDD JdbcRDD转换的RDD 如MapPartitionsRDD RDD的处理流程 以如下代码为例 sc textFil

  • mysql中limit用法详解

    Mysql中limit的用法详解 在我们使用查询语句的时候 xff0c 经常要返回前几条或者中间某几行数据 xff0c 这个时候怎么办呢 xff1f 不用担心 xff0c mysql 已经为我们提供了这样一个功能 xff0c 尽管语法逻辑很

  • 练习代码遇到的零碎知识

    一 xff0c c 43 43 中使用malloc 时 xff0c 出现error malloc was not declared in this scope 1 书写错误 2 没有引用相应的库 解决方法 xff1a 引入stdlib h库

  • ThreadLocal是干嘛用的？

    ThreadLocal是通过将变量设置成Thread的局部变量 xff0c 即使用该变量的线程提供一个独立的副本 xff0c 可以独立修改 xff0c 不会影响其他线程的副本 xff0c 这样来解决多线程的并发问题 ThreadLocal主

  • linux下命令清空回收站

    命令行强制清空回收站 回收站其实就是一个文件夹 xff0c 存放被删掉的文件 ubuntu 回收站的具体位置是 xff1a HOME local share Trash 进到这个目录下直接rm掉所有文件 xff1a sudo rm fr H

  • python语言print（）用法应用详解 及格式化输出

    目录 一 print 函数概述 1 1print基本语法 xff1a 1 2 print参数的具体例子 1 2 1 objects基本语法 1 2 2 sep基本语法 1 2 3 end基本语法 1 2 4 file的基本语法 二 格式化输

  • 数据容器(序列)的切片

    目录 1 序列 2 序列的常用操作 切片 2 1 基本语法 2 2 例子 3 序列的切片实践 1 序列 序列是指 xff1a 内容连续 有序 xff0c 可使用下标索引的一类数据容器 列表 xff0c 元组 xff0c 字符串 xff0c

  • 一、Win10+非英伟达显卡+Anaconda+Pytorch安装

    目录 一 Python 二 显卡 2 1查看显卡类型 2 2显卡类型简介 2 2 1显示 2 2 2 呈现 三 安装Anaconda 3 1 安装Anaconda 3 2 创建pytorch环境 四 安装Pytorch 4 2镜像安装 xf

热门标签