针对性pytorch1.4 +Cuda92环境搭建,备份记录

2024-03-05 18:58

本文主要是介绍针对性pytorch1.4 +Cuda92环境搭建,备份记录,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

背景
  • 用了学校浪潮的深度学习服务器,装好了CUDA9.2 以及对应的cudnn,由于没有管理员权限,没办法改CUDA的版本,原采用TensorFlow2训练计划取消(官网还是哪里看到在tf 1.13开始就需要CUDA10.0以上版本),那就要么降版本,要么换框架看看,要么狠一点,换服务器。
  • 不过鉴于本人的经济实力,外面租一台还是够呛,还是只能妥协,幸好pytorch没让我失望
环境配置
  • Centos(RedHat系的,我当成Centos用)
  • 自带py2.7
  • Cuda9.2及对应cudnn(7.0?)
  • GPU()
安装过程
  • anaconda安装,有关于此的安装有许多,不再赘述

  • 新装的环境先装个虚拟环境的库pip install virtualenv

  • 接着新建一个虚拟环境virtualenv yourEnvName,默认会装对应版本的python,本人下载的是anaconda 3.5 对应py3.6
    在这里插入图片描述

  • 接着就是在虚拟环境摆弄:首先去官网找对应版本的torch,惊喜地发现1.4支持Cuda92,那就下载1.4
    注意要选对Cuda版本

  • 至于用conda还是pip下载的问题,仁者见仁吧,本人最后用了pip

  • 中途可能会出现这个错误:叫Connection reset by peer 表面意思是链接被重置了?我并没有深究,大约估摸着是某墙的缘故,重新运行这个命令可以解决这个问题(就是网络时好时不好的意思,网好就没事)
    在这里插入图片描述
    在这里插入图片描述

  • 接下来就是需要什么装什么环节,本人是跑Git上一个YOLOV3的一个模型,所以需要以下库:

pip install tqdm
pip install matploblib
# 用到了tensorflow的日志功能,所以装个CPU版的
pip install tensorflow==2.0.0
pip install terminaltables
PS 纯粹的备忘录,如果能帮到你,那是我的荣幸。

这篇关于针对性pytorch1.4 +Cuda92环境搭建,备份记录的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/777493

相关文章

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推

搭建Kafka+zookeeper集群调度

前言 硬件环境 172.18.0.5        kafkazk1        Kafka+zookeeper                Kafka Broker集群 172.18.0.6        kafkazk2        Kafka+zookeeper                Kafka Broker集群 172.18.0.7        kafkazk3

安装nodejs环境

本文介绍了如何通过nvm(NodeVersionManager)安装和管理Node.js及npm的不同版本,包括下载安装脚本、检查版本并安装特定版本的方法。 1、安装nvm curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.0/install.sh | bash 2、查看nvm版本 nvm --version 3、安装

【IPV6从入门到起飞】5-1 IPV6+Home Assistant(搭建基本环境)

【IPV6从入门到起飞】5-1 IPV6+Home Assistant #搭建基本环境 1 背景2 docker下载 hass3 创建容器4 浏览器访问 hass5 手机APP远程访问hass6 更多玩法 1 背景 既然电脑可以IPV6入站,手机流量可以访问IPV6网络的服务,为什么不在电脑搭建Home Assistant(hass),来控制你的设备呢?@智能家居 @万物互联

高并发环境中保持幂等性

在高并发环境中保持幂等性是一项重要的挑战。幂等性指的是无论操作执行多少次,其效果都是相同的。确保操作的幂等性可以避免重复执行带来的副作用。以下是一些保持幂等性的常用方法: 唯一标识符: 请求唯一标识:在每次请求中引入唯一标识符(如 UUID 或者生成的唯一 ID),在处理请求时,系统可以检查这个标识符是否已经处理过,如果是,则忽略重复请求。幂等键(Idempotency Key):客户端在每次

Node.js学习记录(二)

目录 一、express 1、初识express 2、安装express 3、创建并启动web服务器 4、监听 GET&POST 请求、响应内容给客户端 5、获取URL中携带的查询参数 6、获取URL中动态参数 7、静态资源托管 二、工具nodemon 三、express路由 1、express中路由 2、路由的匹配 3、路由模块化 4、路由模块添加前缀 四、中间件

pico2 开发环境搭建-基于ubuntu

pico2 开发环境搭建-基于ubuntu 安装编译工具链下载sdk 和example编译example 安装编译工具链 sudo apt install cmake gcc-arm-none-eabi libnewlib-arm-none-eabi libstdc++-arm-none-eabi-newlib 注意cmake的版本,需要在3.17 以上 下载sdk 和ex

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

跨系统环境下LabVIEW程序稳定运行

在LabVIEW开发中,不同电脑的配置和操作系统(如Win11与Win7)可能对程序的稳定运行产生影响。为了确保程序在不同平台上都能正常且稳定运行,需要从兼容性、驱动、以及性能优化等多个方面入手。本文将详细介绍如何在不同系统环境下,使LabVIEW开发的程序保持稳定运行的有效策略。 LabVIEW版本兼容性 LabVIEW各版本对不同操作系统的支持存在差异。因此,在开发程序时,尽量使用

Go Playground 在线编程环境

For all examples in this and the next chapter, we will use Go Playground. Go Playground represents a web service that can run programs written in Go. It can be opened in a web browser using the follow