VSCode部署Pytorch机器学习框架使用Anaconda（Window版）

🕗 发布于 2024-07-21 04:44 机器学习 vscode pytorch

1. 配置Anaconda

1.1下载安装包

1. Anaconda官网下载

（注意：长远考虑不要安装在C盘）
Anaconda官网

2, 安装Anaconda

（注意：长远考虑不要安装在C盘）

1.2 创建虚拟环境

这里需要用到清华大学开源镜像站.

在搜索框中键入 cmd, 输入 conda config --set show_channel_urls yes，用以创建.condarc 文件，该文件路径在 C:\用户\xxx\, 用记事本打开并将下面的内容复制进去，注意要修改两个路径地址。

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/

envs_dirs:
  - D://ProgramFiles//anaconda3//install//envs   #这里需要更改，写自己的anaconda安装目录
pkgs_dirs:
  - D://ProgramFiles//anaconda3//install//pkgs   #这里需要更改，写自己的anaconda安装目录

在开始菜单找到Anaconda Prompt并打开，键入 conda create -n your_envs python=3.8 , your_envs是虚拟环境的名称可自定义，目前3.8版本的python与pytorch兼容性较好所以装了3.8，3.9也行。

在这里插入图片描述

执行完上述步骤后，添加系统环境变量
方法：右键我的电脑——>属性——>高级系统设置——>环境变量——>在系统变量下找到Path并点击编辑
Alt

找到anaconda的安装目录
添加下面的路径（即anaconda的安装目录下\condabin ；\install【condabin的上一级】）
E:\addProgram\Anaconda\install\condabin
E:\addProgram\Anaconda\install
D:\ProgramFiles\anaconda3\install\Scripts

1.3 常用命令

Conda 命令

查看 Conda 版本：
```
conda --version
```
创建新的 Conda 环境：
```
conda create -n [env_name] python=[version]
```
示例：conda create -n sushi python=3.8
激活 Conda 环境：
```
conda activate [env_name]
```
示例：conda activate sushi
列出已安装的包：
```
conda list
```
安装包到 Conda 环境：
```
conda install [package_name]
```
示例：conda install numpy
更新 Conda 环境中的包：
```
conda update [package_name]
```
删除 Conda 环境：
```
conda remove -n [env_name] --all
```
列出所有 Conda 环境：
```
conda env list
```

复制 Conda 环境：

conda create --name [new_env_name] --clone [existing_env_name]

初始化 Conda 对 Shell 的支持：
```
conda init [shell_name]
```
示例：conda init powershell

调试和日常维护

查看当前环境的详细信息：
```
conda info
```
清除 Conda 的下载缓存：
```
conda clean --all
```
搜索可用的包版本：
```
conda search [package_name]
```

1.4 可能遇到的问题

执行上述步骤后虚拟环境仍在C盘

2. 配置cuda

2.1 查看显卡支持的cuda版本

点击桌面右下角英伟达设置图标——>系统信息——>组件
在这里插入图片描述

2.2 下载对应cuda版本

Download_Cuda

在这里插入图片描述

2.3 下载对应的pytorch可能出现的问题

1. 使用官方 PyTorch 渠道

尝试从 PyTorch 官方渠道安装，因为 PyTorch 的官方 Anaconda 渠道通常会有最新的 cudatoolkit 版本。可以用以下命令尝试：

conda install pytorch torchvision torchaudio cudatoolkit=12.2 -c pytorch

2. 检查可用的 cudatoolkit 版本

查看 PyTorch 官方支持的 CUDA 版本，确认 12.2 版本是否可用。如果不可用，可以考虑使用其他版本的 CUDA Toolkit。你可以通过以下命令查看可用的版本：

conda search cudatoolkit --channel pytorch

注意：有时候是因为清华大学镜像源给出的pytorch版本没有更新，与cuda版本不匹配，要使用上述命令查看，比如你你的系统安装了 NVIDIA CUDA 12.2.138 驱动，但是在 PyTorch 渠道中并没有找到 CUDA Toolkit 12.2 的版本，最新的是 11.8，那就需要安装CUDA Toolkit 11.8。如果还有问题多试试下面的方法

3. 使用不同的镜像源

如果你想继续使用国内镜像源以加速下载速度，可以尝试其他镜像源，比如中科大的镜像源。以下是如何添加中科大的镜像源：

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

然后再次尝试安装：

conda install pytorch torchvision torchaudio cudatoolkit=12.2 -c pytorch

4. 手动指定镜像源

在安装命令中指定使用 PyTorch 的官方源，同时保留其他的国内源配置，可以尝试以下命令：

conda install pytorch torchvision torchaudio cudatoolkit=12.2 -c pytorch -c defaults

这条命令将 -c defaults 加入到命令中，这样 Conda 会同时考虑 PyTorch 官方源和默认源，有可能帮助解决版本同步问题。

从你提供的截图来看，你已经成功找到了 PyTorch 官方渠道提供的可用的 cudatoolkit 版本列表。根据你的第二张截图，你的系统安装了 NVIDIA CUDA 12.2.138 驱动，但是在 PyTorch 渠道中并没有找到 CUDA Toolkit 12.2 的版本，最新的是 11.8。

在这种情况下，为了确保 PyTorch 可以在你的系统上正常使用 GPU 加速，你可以考虑安装可用的最高版本的 CUDA Toolkit，即 11.8，然后测试 PyTorch 是否可以正常访问 GPU。以下是安装步骤：

5. 安装 PyTorch 和 CUDA Toolkit 11.8

首先确保你的 Python 环境已经激活，比如你之前创建的环境（假设名为 myenv）：
```
conda activate myenv
```

安装 PyTorch 和 CUDA Toolkit 11.8：

conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch

这个命令会从 PyTorch 的官方渠道安装 PyTorch 和匹配的 CUDA Toolkit 版本（11.8）。

6. 测试 PyTorch 的 GPU 支持

安装完成后，你可以运行以下简单的 Python 脚本来检查 PyTorch 是否能够正确使用你的 GPU：

import torch

print("PyTorch version:", torch.__version__)
print("CUDA available:", torch.cuda.is_available())
print("Number of GPUs:", torch.cuda.device_count())
print("GPU Name:", torch.cuda.get_device_name(0) if torch.cuda.is_available() else "No GPU found")

这段代码将显示 PyTorch 的版本，检查 CUDA 是否可用，列出可用的 GPU 数量以及第一个 GPU 的名称。

3. 配置部署Vscode

3.1 下载安装vscode

Download

3.2 配置插件

点击扩展，安装 Chinese，Python, Code Runner 插件
在这里插入图片描述

3.3 配置 VSCode 使用 Conda 环境

打开 VSCode。
使用 Ctrl+Shift+P 打开命令面板。
输入并选择 Python: Select Interpreter。
选择你创建的 Conda 环境，通常显示为 Python 3.8 (conda: your_envs)。

3.4 配置自动激活虚拟环境

ctrl+shift+p搜索打开首选项 进入setting.json文件：
在这里插入图片描述


{
"terminal.integrated.profiles.windows": {
    "Command Prompt": {
        "path": [
            "${env:windir}\\Sysnative\\cmd.exe",
            "${env:windir}\\System32\\cmd.exe"
        ],
        "args": [],
        "icon": "terminal-cmd",
        "color": "terminal.ansiYellow"
    },
    "Cmder": {
        "path": "C:\\Windows\\system32\\cmd.exe",
        "args": [
            "/k",
            "conda activate D:\\ProgramFiles\\anaconda3\\install\\envs\\sushi"  
            //路径改为 虚拟环境 your_envs 编译器所在的位置
        ],
        "env": {
            "CMDER_ROOT": "D:\\ProgramFiles\\anaconda3\\install\\envs\\sushi\\Scripts\\python.exe"
            //路径改为 虚拟环境 your_envs 编译器所在的位置
        },
        "color": "terminal.ansiGreen",
        "icon": "terminal-cmd"
    },
},
"terminal.integrated.defaultProfile.windows": "Cmder",
}

3.5 测试设置

重新启动 VSCode 以确保所有设置被加载。
打开一个新的终端，查看是否自动激活了 your_envs 环境。

3.6 可能出现的问题

报错：“无法加载文件……profile.ps1，因为在此系统上禁止运行脚本”

使用管理员权限打开 Windows PowerShell——> 键入：Set-ExecutionPolicy -ExecutionPolicy RemoteSigned ——> 确认修改安全策略

配置 VSCode 以使用 Conda 虚拟环境涉及几个步骤，从安装和设置 Conda 环境到确保 VSCode 正确使用这些环境。以下是详细步骤：

3.7 常用命令

设置 Python 解释器：
- 打开命令面板 (Ctrl+Shift+P)，然后输入和选择 Python: Select Interpreter，选择对应的 Conda 环境。
打开设置文件：
- Ctrl+Shift+P，输入和选择 Preferences: Open Settings (JSON)。

配置默认终端：

"terminal.integrated.defaultProfile.windows": "PowerShell"

配置终端启动时执行的命令：

"terminal.integrated.profiles.windows": {
    "PowerShell": {
        "path": "powershell.exe",
        "args": ["-NoExit", "-Command", "& {conda activate sushi}"]
    }
}

修改 PowerShell 执行策略（在 PowerShell 管理员模式下执行）：
```
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser
```

原文地址：https://blog.csdn.net/weixin_41022048/article/details/140573708

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！

上一篇：微软史诗级的蓝屏
下一篇：错误：PHP：Deprecated: Required parameter $xxx follows optional parameter $yyy

C++第十二节课模板初阶和string引入
我们不需要写具体的函数，而是写这个函数的模板，编译器会根据模板生成对应的函数；两者的作用是等效的！用模板完成的功能有时候也叫泛型编程；可以通过定义多个模板参数来实现；函数模板根据调用，自己退到模板参数
阅读更多2024-09-23
JS常用数组方法总结
JavaScript 数组（Array）提供了许多内置方法来处理数组元素，这些方法大致可以分为几类：添加/删除元素、遍历数组、搜索元素、转换数组、排序和归约（reduce）等。下面我将详细介绍一些常用
阅读更多2024-09-23
力扣：用栈实现队列
用栈实现队列
阅读更多2024-09-23
深入Android UI开发：从自定义View到高级布局技巧的全面学习资料
什么是自定义View：了解自定义View的基本概念和重要性，为深入学习打下基础。高级UI技巧：探索高级UI设计的技巧，提升应用的视觉效果。UI总结：总结UI开发的关键点和最佳实践，为未来的项目开发提供
阅读更多2024-09-23
Python_str(x)_x.str.something区别
对于NumPy数组，.tostring() 方法（现在推荐使用 .tobytes()，因为 .tostring() 在未来的版本中可能会被弃用）会将数组中的数据以字节的形式返回，这通常用于需要将数组数
阅读更多2024-09-23
MySQL 左右连接
在 MySQL 中，左连接（LEFT JOIN）和右连接（RIGHT JOIN）都是用于在多个表之间进行关联查询的操作。这个查询将返回所有客户的姓名以及他们的订单金额（如果有订单的话）。如果某个客户没
阅读更多2024-09-23
ABAP 学习t-code DWDM
学习t-code DWDM ，里面有很多例子展示，且能看到源代码。
阅读更多2024-09-23
【Centos 8安装VNC及多用户配置详细教程】
本问介绍了Centos 8系统安装VNC和多用户配置的详细教程。
阅读更多2024-09-23
ubuntu中Python解释器位置
在Ubuntu系统中，Python解释器通常位于。但是你程序使用如下解释器配置即可运行访问。你查python版本可能不是3.10。
阅读更多2024-09-23
Milvus - 构建向量数据库并进行相似度查询
首先，我们通过 Python 的pymilvus库连接 Milvus 并创建集合。# 连接 Milvus# 定义集合 schemafields = [FieldSchema(name="em
阅读更多2024-09-23