江苏龙网

  1. 首页 > 人文 > >

科技排头 用Windows电脑训练深度学习模型？超详细配置教程来了( 二 )


我推荐使用Mini-Conda ， 因为我喜欢对所安装的软件包有（几乎）完整的控制权 。 清楚地了解你所安装的东西完全不是坏事 。 当然这还能帮你节省一些存储空间 ， 你也不会装上几十个你可能永远也用不上的奇怪软件包 。
要安装Mini-Conda ， 请访问：https://docs.conda.io/en/latest/miniconda.html
下载Windows64位版本的Python3安装工具 ， 然后像安装其它Windows软件一样安装它 。 一定要勾选询问你是否要将Conda和Python加入到PATH的勾选框 。
现在你可以通过以下命令检查Conda和Python是否安装成功 。 如果安装成功 ， 则会显示版本号；否则你可能需要再次正确安装Mini-Conda并将其加入到PATH 。
下一步是安装jupyter-notebook ， 请在命令行界面使用以下命令：
你可以通过运行jupyternotebook来验证安装 ， 这会帮你在浏览器上打开JupyterNotebook 。
设置开发环境
这一步很重要 ， 但很多人会忽视它 。 使用Anaconda这种包含所有已知软件包的工具是可以理解的 ， 但如果要开发自己的项目 ， 真正构建一些东西 ， 你可能还是需要一个专门针对该项目或你的工作性质的定制开发环境 。 使用专门虚拟环境的另一大优势是你可以将软件包与全局设置隔离开 。 这样 ， 就算你在该环境中使用软件包时搞错了 ， 你也可以轻松地丢弃它们 ， 而不对全局软件包产生任何影响 。
这也能让你灵活地使用任何之前版本的Python创建环境 。 这样 ， 你就可以避免使用那些还不稳定的新特性 ， 之后再根据支持情况选择是否升级 。
创建Conda环境还算简单 。 为了方便解释 ， 我创建了一个名为tensorflow的环境 ， 你可以将其改为任何名称 。 我将使用Python3.7 ， 因为我知道TensorFlow对其有很好的支持 。 顺便一提 ， 这将是安装TensorFlow的位置 ， 我还会创建一个名为torch的环境来安装PyTorch 。
环境创建完成之后 ， 你可以使用以下命令进入该环境 ， 其中的tensorflow只是我们之前提供给该环境的名称 。
进入环境之后 ， 你会在提示框的左边看到类似这样的信息：
科技排头 用Windows电脑训练深度学习模型？超详细配置教程来了
文章图片
如果你没在Powershell上看到这个信息 ， 那么你可能需要先在Powershell初始化conda一次：
科技排头 用Windows电脑训练深度学习模型？超详细配置教程来了
文章图片
然后 ， 你可能会在左边看到(base) ， 如上图所示 ， 此时你已不在任何环境中 。 之后 ， 你再进入任何环境 ， 你应该都会看见环境名 。
此外 ， 你还可以在环境中安装nb工具 ， 并将其链接到我们之前安装的JupyterNotebook 。
要将该环境注册到JupyterNotebook ， 可运行以下命令：
要退出Conda环境 ， 则运行以下命令：
现在按照同样的步骤创建一个名为torch的环境：
如果环境设置成功 ， 你可以在环境列表中看到它们 。
科技排头 用Windows电脑训练深度学习模型？超详细配置教程来了
文章图片
要验证每个环境是否都已安装了各自的软件包 ， 你可以进入各个环境 ， 执行condalist ， 这会显示该环境中已安装的所有软件包 。
科技排头 用Windows电脑训练深度学习模型？超详细配置教程来了
文章图片
不要因为这个列表很长而感到困扰 。 Conda已经妥善地处理了主要部分和依赖包 。
一些GPU术语
在安装GPU相关软件之前 ， 我们有必要了解这些软件是什么 ， 以及你需要它们的原因 。
GPU驱动：顾名思义 ， GPU驱动是让操作系统及程序能使用GPU硬件的软件 。 游戏玩家肯定很熟悉这个 。 如果你喜欢打游戏 ， 你可能需要让这个软件保持最新以获得最好的游戏体验 。
CUDA：简单来说 ， 这是英伟达开发的一个编程接口层 ， 能让你调用GPU的指令集及其并行计算单元 。


推荐阅读


上一篇：科技日报地球深处的铀矿是这样挖到的

下一篇：中关村在线爆款热销 这款投影给你不一样的“视界”