前几天,有朋友给我发消息,想要开始学习python 和AI,问我环境安装包什么的。
像我们一般工作都在linux下,再不也是家里mac,安装都很方便。
现在的问题是小白在windows下怎么方便的玩AI。
帮她解决问题的同时,做个记录。
AI绘图
玩AI绘图,离不开的就是 stable diffusion。
最方便的是 用秋叶大佬的一键包。即装即用。
Python 入门
windows 在命令行 也是可以直接装python 和使用。普通写个小程序,我们命令行直接执行就可以了。
但是因为AI有很多是大项目,所以大部分人还是更喜欢用 Anaconda。
在开始搭建之前我们先说一下本次主要安装的东西有哪些 。
- anaconda 3 :第三方包管理软件。
这个玩意可以看作是一个大仓库,他里边含有很多 Python 的第三方开发库(也就是别人发布的,他收集起来管理)。安装好这个软件之后我们便可以使用这个大仓库来安装一些我们需要的包 (人工智能需要用的包也可以使用这个来装)。
同时,这个软件也可以管理我们的开发环境,让我们的环境看起来更加的简洁明了。
- 安装 Pytorch :深度学习使用的第三方包。
因为进行人工智能的开发需要进行一系列的求梯度(求导),正向传播,反向传播等等操作,如果每次都是人为的编写,有点太过于复杂了,所以 Pytorch 就可以理解为是将这些操作封装好的一个第三方库。我们安装好来使用即可。
##安装 anaconda
安装包管理软件 anaconda,用来管理我们人工智能所需要的包。
下载 anaconda
下载主要通过 2 种方式:
- 官网:不推荐 ,慢到爆炸。
- 清华镜像:推荐 ,记得搭配第三方下载软件(不然浏览器下载也挺慢的),比如:迅雷。
1.01.001 官方下载(不推荐)
官网是外网,速度挺慢的,但是还是有必要介绍一下官网。
官网下载地址 :
Anaconda | Individual Editionwww.anaconda.com/products/individual
点进去之后,点击
Download
就会跳转到版本选择页面,选择对应的版本,点击下载即可。
清华镜像(推荐)
anaconda 的服务器是在国外,所以直接去它的官网下载,速度会很慢。
但是,我们国内有一些网站是专门用来收集软件的,清华镜像源
就是清华官方的一个网站,他里边收集了 anaconda 的安装包,我们可以去他的网站下载,服务器在国内所以速度还算不错。
清华镜像源下载地址 :
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D
进入之后,找到对应的版本
Anaconda3-2020.02-Windows-x86_64.exe
,点击下载即可。
tips :可以把下载链接赋值入迅雷,下载更快。
安装 anaconda
下载好了,就安装吧。
- 千万别装
C
盘。 - 安装的位置文件夹路径千万别 有
空格
以及中文
。
切换镜像源
首先需要弄明白什么是切换镜像源,为什么要切换?
刚才我们说了,anaconda 是一个大仓库,他里边有很多第三方开发库,但是不幸的是 anaconda 服务器在国外,如果直接使用 anaconda 下载第三方库的话,速度会很慢,速度慢到甚至会网络超时从而安装失败。
所以,我们将 anaconda 的下载地址切换为我们国内的服务器 (称之为 镜像源),这样子使用 anaconda 下载的时候,就不会访问外国服务器下载了。
- step1 :在黑窗口输入
conda config --set show_channel_urls yes
并且回车。
这一步的意思就是:我们输入命令,黑窗口会显示我们命令执行的情况。如果不设置,就看不到效果。
- step2 :在黑窗口后输入
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
并且回车。
这一步就是添加清华镜像源。
- step3 :输入
conda config --show channels
并且回车。
pip
解决方法【临时】
pip install requests ** -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install package_name -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
可替换用的镜像源
1)http://mirrors.aliyun.com/pypi/simple/ 阿里云
2)https://pypi.mirrors.ustc.edu.cn/simple/ 中国科技大学
3)http://pypi.douban.com/simple/ 豆瓣
4)https://pypi.tuna.tsinghua.edu.cn/simple/ 清华大学
5)http://pypi.mirrors.ustc.edu.cn/simple/ 中国科学技术大学
解决方法【永久】
Windows:
python -m pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
如果报SSL 错误:
There was a problem confirming the ssl certificate: HTTPSConnectionPool(host=‘pypi.tuna.tsinghua.edu.cn’, port=443): Max retries exceeded with url: /simple/pip/ (Caused by SSLError(SSLCertVerificationError(1, '[SSL: CERTIFICATE_VERIFY_FAILED] certificate
此时需要获得 ssl 证书的认证,需要在原来的安装命令后增加:-i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com (也可换其他源)
-i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com
conda 源配置
conda 是一个流行的包管理器,允许用户方便地安装、更新和管理环境,其中源是 conda 中一个至关重要的组成部分。
Conda 简介
- 多种编程语言的包 package 和虚拟环境 environment 的管理;
- 非常简单的完成 package 的安装、运行、更新、删除、依赖问题;
- 可操作 repo.anaconda.com 上 7,500+ packages ;
- 非常简单的完成不同环境的构建、保存、加载及切换;
- 支持语言:Python、R、Ruby、Lua、Scala、Java、JavaScript、C / C ++、FORTRAN;
- 支持操作系统:Windows, macOS 和 Linux。
conda 指定源
默认的 conda 源是 anaconda 官方源。如果你需要在安装软件时使用其他的源,需要指定源(代理)。
可以通过以下命令来指定源:
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
其中,第二个命令中的 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
是清华源,用户可以根据自己的需要来选择想要的源。
在 conda 中,可以通过以下命令来查看当前安装的 python 版本:
conda list python
该命令将返回所有已安装的 python 版本,包括版本号以及安装路径等信息。
在 conda 中,可以使用以下命令来查看当前所用的源:
conda config --show channels
该命令将返回所有可用的源。
channels:
- defaults
show_channel_urls: true
default_channels: - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
custom_channels:
conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
国内部分好用 conda 下载源
-
清华大学源
网址:https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
1
-
中国科学技术大学源
网址:https://mirrors.ustc.edu.cn/
https://mirrors.ustc.edu.cn/anaconda/pkgs/main/https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
在使用 conda 下载包时,可能会遭遇下载缓慢的问题。这时,你可以选择更换镜像源。
比如清华源提供了一个本地镜像,可以使用以下命令来配置清华镜像源:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
其中,https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
和 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
分别是清华镜像源的 main 和 free。
使用 conda 安装软件时,如果下载速度过慢或者连接不稳定,我们可以尝试更换源。可以通过以下命令来更换源:
conda config --set channel_priority strict
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/
其中,以上的命令是把清华源作为默认的 conda 源,用户可以根据自己的需要来选择想要的源。
conda 查看
在 conda 中,可以通过以下命令来查看已安装的包:
conda list
这将返回所有已安装的包以及它们的版本信息等内容。
使用 conda 时,有时我们需要查看历史指令。可以通过以下命令来查看历史指令:
conda list -h
该命令将返回查看历史指令的帮助文档。
以上就是关于 conda 查看源的详细讲解,包括了从指定源,查看 Python 版本、查看包、换源、查看历史指令、添加源、镜像源、源配置和清华源选取等方面的内容。
创建 Pytorch 环境
上边已经安装好了 anaconda,并且我们也知道 anaconda 是一个包管理工具,它可以用来管理我们的工作环境。
然后下边就使用 anaconda 来创建一下我们的 Pytorch 工作环境。
- step1 :创建一个环境,用来安装 Pytorch。
输入命令
conda create -n pyTorchEnv python=3.8
,点击回车。
其中pyTorchEnv
是环境的名字,自己定义也可以。
python=3.8
是这个环境将使用 3.8 的 python 版本。
然后输入
activate pyTorchEnv
,激活pyTorchEnv
环境。
激活成功就没有什么问题了
退出环境:输入
deactivate
回车即可。
- step2 :到 pytorch 官网找到安装命令。
官网地址:
对比 pytorch 和 CUDA 的对应版本
官网地址:Previous PyTorch Versions | PyTorch
到官网往下拉,然后配置的好你的版本。
譬如我的机器,最高支持cuda12,
如果 没有装cuda的,需要自行安装
可以输入 nvcc --version 判断是否正确安装cuda toolkit
https://developer.nvidia.com/cuda-toolkit
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
官网上没有直接支持 cuda 12 的 pytorch 版本,但是翻阅社区了解到,cuda 是向下兼容的,cuda 12 可以支持
官网里面的 CUDA 11.8,所以我们选择 Conda 选择 CUDA11.8 复制下面的代码
https://pytorch.org/get-started/previous-versions/
v2.0.0
Conda
OSX
# conda
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 -c pytorch
Linux and Windows
# CUDA 11.7
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.7 -c pytorch -c nvidia
# CUDA 11.8
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia
# CPU Only
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 cpuonly -c pytorch
- step3 :将复制的命令放入刚才打开的
dos
窗口,回车进行安装。
命令:
conda install pytorch torchvision torchaudio cpuonly -c pytorch
- step4 :
输入 python 回车,进入 python 中
在
__init__.py
文件中输入以下代码,运行没报错就 ok 了。
import torch
print( torch.cuda.is_available() )
手动下载
如果 torch.cuda.is_available() 是false, 那么进行GPU运算的时候,会报错: cuda不能用。这个报错提示是由于在运行需要使用 CUDA(NVIDIA 的 GPU 计算平台)的 PyTorch 代码时,但你的 PyTorch 安装没有启用 CUDA 支持所致。
报错信息如下:
raise AssertionError("Torch not compiled with CUDA enabled")AssertionError: Torch not compiled with CuDA enahlsa …
报错分析:
出现这个问题的常见原因有两种:
- 未正确安装带有 CUDA 支持的 PyTorch 版本:你需要安装经过 CUDA 编译的 PyTorch 版本,而不是仅支持 CPU 的版本。通常在安装 PyTorch 时,CUDA 版本的支持是可选的,并且需要选择与你的 GPU 驱动程序兼容的 CUDA 版本。
- 环境配置问题:即使你已经正确安装了 CUDA 版本的 PyTorch,有时候可能在运行代码时会使用与 CUDA 支持不一致的环境(例如,如果你在一个不支持 CUDA 的环境中运行代码)。确保你在运行代码的机器上有可用的 CUDA 设备,并且 PyTorch 能够正确地访问它。
如果 conda install 安装不了,可以pip install
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple torch==2.0.0+cu118 torchvision==0.15+cu118 torchaudio==2.0.0+cu118
安装的一直是cpu版本,则需要手动下载
我当时就仍然在该环境的目录下(即目录头括号里的名字是刚才的虚拟环境)输入 conda list
发现安装的pytorch 一直是 cpu版本。所以决定进入手动下载。
注意 有 torch torchvision torchaudio
在下面页面分别进入这三个进行下载。版本对应上面的指令中的 pytorch==2.0.0 ,torchvision==0.15.0 torchaudio==2.0.0
https://download.pytorch.org/whl/
https://download.pytorch.org/whl/torch_stable.html
直接pip install 安装包的位置。
现在 我们再用 conda list可以看到
安装成功。
如果你想进一步确认CUDA和cuDNN的支持情况,你可以在Python shell中输入以下命令:
#python
import torch
print("CUDA available:", torch.cuda.is_available())
print("cuDNN enabled:", torch.backends.cudnn.enabled
其他
最后 ,在windows下运行代码,很多时候要处理一些细节,如路径转义
'D:\test.txt' 改为:
'D:\test.txt'
或者 声明字符串不需要转义,在字符串前面加一个r,改为:
r'D:\test.txt'
wxpython 安装不了 也是需要 手动下载
https://extras.wxpython.org/wxPython4/extras/