首页IT科技anaconda下安装opencv(在anaconda下安装pytorch + python3.8+GPU/CPU版本 详细教程)

anaconda下安装opencv(在anaconda下安装pytorch + python3.8+GPU/CPU版本 详细教程)

时间2025-09-19 07:10:47分类IT科技浏览6093
导读:一、安装anaconda Anaconda包括Conda、Python以及一大堆安装好的工具包,比如:numpy、pandas等 Miniconda包括Conda、Python conda是一个开源的包、环境管理器,可以用于在同一个机器上安装不同版本的软件...

一               、安装anaconda

Anaconda包括Conda                      、Python以及一大堆安装好的工具包               ,比如:numpy        、pandas等 Miniconda包括Conda        、Python conda是一个开源的包                      、环境管理器                       ,可以用于在同一个机器上安装不同版本的软件包及其依赖       ,并能够在不同的环境之间切换

没安装Anaconda的同学可以参考以下安装链接:

https://blog.csdn.net/qq_45281807/article/details/112442577

按照安装CPU版本和GPU两个版本进行分类               ,一般运行程序建议使用CPU版本的                       ,安装更方便               。

二               、安装CPU版本的Pytorch

1.打开Anaconda Prompt       ,如下图所示:

2. 使用清华镜像源网站

注意!如果切换镜像后当出现下载不了的情况        ,就先切换默认源                       ,然后再修改另一个可以使用的conda源(一定要先恢复默认               ,再换另一个!!!)        ,所以我们先切回默认源:

conda config --remove-key channels

(1)切换到国内的镜像源(不然下载速度可能太慢) 分别输入以下4行代码:

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/

配置好之后以后若需要使用清华镜像                       ,无需再配置                       。

3.创建Pytorch环境

创建环境pytorch               ,使用Python版本是3.8,其中pytorch是虚拟环境的名字                       ,可以改变:

conda create -n pytorch_38 python=3.8

之后                       ,在加载过程中会弹出提示,输入 y               ,即可安装       。

查看环境是否安装成功 conda info --envs

可以看到包含四个环境                       ,其中pytorch是刚刚创建的环境               。

4.激活刚刚创建的pytorch环境

activate pytorch_38

激活刚刚创建的pytorch环境                       。

5.安装Pytorch

根据自己的安装版本       ,在Pytorch官网寻找安装命令代码:

Pytorch官网:https://pytorch.org/

如图所示版本则是复制:

conda install pytorch torchvision torchaudio cpuonly -c pytorch

将复制的代码粘贴到命令行格式下               ,弹出提示                       ,输入 y       ,即可完成安装        ,显示“done               ”       。

6.测试是否安装成功

输入python, 进入python

python

输入import torch                       ,测试pytorch是否安装成功               ,无报错则表示安装成功        。

三        、安装GPU版本(电脑有显卡)

1.查看是否安装CUDA软件驱动

(1)使用快捷键WIN+R        ,输入cmd

(2)输入命令                       ,nvidia-smi

(3)如果显示CUDA的版本号则可以开始进行第3步操作               ,繁殖反之,参考下文的第二章                       ,配置cuda驱动软件:

https://blog.csdn.net/qq_45281807/article/details/121294644

2.打开Anaconda Prompt                       ,如下图所示:

3. 使用清华镜像源网站

注意!如果切换镜像后当出现下载不了的情况,就先切换默认源               ,然后再修改另一个可以使用的conda源(一定要先恢复默认                       ,再换另一个!!!)       ,所以我们先切回默认源:

conda config --remove-key channels

(1)切换到国内的镜像源(不然下载速度可能太慢) 分别输入以下4行代码:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/bioconda/

配置好之后以后若需要使用清华镜像               ,无需再配置                       。

4.创建Pytorch环境

创建环境pytorch                       ,使用Python版本是3.8       ,其中pytorch是虚拟环境的名字        ,可以改变:

conda create -n pytorch_38 python=3.8

之后                       ,在加载过程中会弹出提示               ,输入 y        ,即可安装               。

查看环境是否安装成功 conda info --envs

可以看到包含四个环境                       ,其中pytorch是刚刚创建的环境        。

5.激活刚刚创建的pytorch环境

activate pytorch_38

激活刚刚创建的pytorch环境                       。

6.安装Pytorch

根据自己的安装版本               ,在Pytorch官网寻找安装命令代码:

Pytorch官网:https://pytorch.org/

输入命令: conda install pytorch torchvision torchaudio cudatoolkit=11

然后等一下会显示是否继续进行,输入y                       ,点回车                       ,就可以安装啦!!

7. 查看CUDA是否可用:

依次输入以下命令,如果输出结果为True               ,则安装成功               。

python import torch print(torch.cuda.is_available())

返回False解决办法 如果你按照以上步骤安装一般是没有问题的。 如果出现False                       ,大家可以尝试以下步骤进行排除: 1                       、首先确定显卡是否支持CUDA       ,https://www.geforce.com/hardware/technology/cuda/supported-gpus 2               、确保驱动升级到最新(确保驱动与cuda版本互相支持)

参考文章:

https://blog.csdn.net/qq_45281807/article/details/112442423

https://blog.csdn.net/qq_45281807/article/details/121294644
声明:本站所有文章               ,如无特殊说明或标注                       ,均为本站原创发布                       。任何个人或组织       ,在未征得本站同意时        ,禁止复制、盗用                       、采集                       、发布本站内容到任何网站、书籍等各类媒体平台                       。如若本站内容侵犯了原著者的合法权益                       ,可联系我们进行处理。

创心域SEO版权声明:以上内容作者已申请原创保护,未经允许不得转载,侵权必究!授权事宜、对本内容有异议或投诉,敬请联系网站管理员,我们将尽快回复您,谢谢合作!

展开全文READ MORE
bi权限(bbPress)