python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Anaconda+vscode+pytorch环境搭建

Anaconda+vscode+pytorch环境搭建过程详解

作者:茯苓

这篇文章主要介绍了Anaconda+vscode+pytorch环境搭建过程详解,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下

1、安装Anaconda

Anaconda指的是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。在官网上下载https://www.anaconda.com/distribution/,因为服务器在国外会很慢,建议从清华镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/下载。

2、安装VScode

需要在Anaconda再装VScode,因为Anaconda公司和微软公司的合作,不用在对进行VScode的配置。

3、安装Pytorch

Pytorch是facebook公司发布的著名深度学习框架。在Pytorch官网上https://pytorch.org/在命令行窗口输入

4、fastai

fastai 基于 PyTorch,提供简单易用的 API 接口,用更少的代码实现常用任务的模型搭建和训练。

有两种方式可以安装fastai

conda和pip两者都是包管理器(自动化软件安装,更新,卸载的一种工具)

Conda安装

conda install -c fastai fastai

pip安装

pip install fastai

5、验证安装成功

from fastai.vision import models, URLs, ImageDataBunch, cnn_learner, untar_data, accuracy
import torch
def main():
  path = untar_data(URLs.MNIST_SAMPLE) # 下载数据集,这里只是MNIST的子集,只包含3和7的图像,会下载并解压(untar的命名原因)到/root/.fastai/data/mnist_sample(如果你是root用户)下,包含训练数据,测试数据,包含label的csv文件
  data = ImageDataBunch.from_folder(path) # 利用ImageDataBunch读取文件夹,返回一个ImageDataBunch对象
  learn = cnn_learner(data, models.resnet18, metrics=accuracy) # 构建cnn模型,使用resnet18预训练模型
  learn.fit(1) # 训练一轮

if __name__ == '__main__':
  main()

结果输出:

总结

到此这篇关于Anaconda+vscode+pytorch环境搭建过程详解的文章就介绍到这了,更多相关Anaconda+vscode+pytorch环境搭建内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:
阅读全文