PyTorch教程——小土堆笔记PyTorch代码笔记1_tensorboard2_transform3_useful_transform4_data5_dataloader6_module7_conv8_conv2d9_maxpool10_nolinear11_linear12_sequential13_loss14_lossnetwork15_optimzer16_model17_modelsave18_modelload完整项目—model.py完整项目—train.py完整项目—train_gpu1.py完整项目—train_gpu2.py完整项目—test.pyPyTorch代码笔记
文章目录附件：GPU和CUDA的关系——开发人员通过CUDA可以使用GPU的计算能力来加速各种计算任务，并提高计算性能和效率。一、环境配置（0）我的电脑配置环境（1）CUDA+cuDNN下载与安装（2）OpenCV源码下载与环境配置（3）ImportError:DLLloadfailedwhileimportingcv2:找不到指定的模块。（4）解决方法：添加DLL路径二、测试样本：上传图像到GPU+从GPU下载图像三、python使用GPU读取视频附件：GPU和CUDA的关系——开发人员通过CUDA可以使用GPU的计算能力来加速各种计算任务，并提高计算性能和效率。GPU（图形处理器，Grap
GPU做深度学习比CPU要快很多倍，用Ubuntu跑也有一定的优势，但是安装Nvidia驱动有很多坑Ubuntu版本：22.04.3LTS分区：/boot分配1G，剩下都分给根目录/显卡：GTX1050Ti坑1：用Ubuntu自带的AdditionalDrivers可能会出问题，应该从官网下载驱动文件坑2：用deb文件安装可能会出问题，最好用.run文件安装0.卸载自带驱动删除自带的驱动sudoaptpurgenvidia*禁用开源驱动nouveausudovi/etc/modprobe.d/blacklist.conf在尾部添加两行：blacklistnouveauoptionsnouvea
本文在安装过程中参考了很多c站的其他教程，本文把安装过程中遇到的问题和安装过程一一记录，希望能有所贡献。本文是基于miniconda已经安装完成且环境变量也设置好的前提。目录一、Miniconda创建虚拟环境（以下的二和三部分任选其一安装即可）二、安装tensorflowcpu版本三、安装tensorflowgpu版本四、安装jupyter并将成功安装tensorflow的虚拟环境导入jupyter附录一：常用的conda命令附录二：参考的相关文档附录三：python3.8tensorflow2.2.0下其他安装包版本一、Miniconda创建虚拟环境1、condaprompt，输入：cond
本文编写日期是：2023年4月.Python开发环境是Anaconda3.10版本，具体Anaconda的安装这里就不赘述了，基础来的。建议先完整看完本文再试，特别是最后安装过程经验分享，可以抑制安装过程中一些奇怪的念头，减少走弯路。目录1.NVidia驱动安装 2.安装CUDAToolkit3.安装Tensorflow2.10.14.添加CUDNN加速包5.验证是否成功安装和调用GPU进行运算6.测试启用CUDNN加速器7.Tensorflow小结8.安装PyTorch9.检测PyTorch安装情况10.PyTorch试运行11.安装过程经验分享和坑 1.NVidia驱动安装 首先确定你的电
准备工作：（1）电脑装有NVIDIA显卡（2）安装ROSnoetic/Installation/Ubuntu-ROSWiki（3）安装cudaUbuntu安装cuda_GXU_Wang的博客-CSDN博客（4）安装ceres1.14.0Ubuntu20.04安装Ceres1.14.0_我是你de不死的bug的博客-CSDN博客一、安装OpenCV4.6.0下载opencv源码，选择所需要的版本opencv4.6.0，相应的扩展opencv_contrib4.6.0，以及用于桥接ROS和opencv的cv_bridgeReleaseOpenCV4.6.0·opencv/opencv·GitHub
文章目录FashionMNIST数据集需求库导入、数据迭代器生成设备选择样例图片展示日志写入评估—计数器模型构建训练函数整体代码训练过程日志FashionMNIST数据集FashionMNIST（时尚MNIST）是一个用于图像分类的数据集，旨在替代传统的手写数字MNIST数据集。它由ZalandoResearch创建，适用于深度学习和计算机视觉的实验。FashionMNIST包含10个类别，分别对应不同的时尚物品。这些类别包括T恤/上衣、裤子、套头衫、裙子、外套、凉鞋、衬衫、运动鞋、包和踝靴。每个类别有6,000张训练图像和1,000张测试图像，总计70,000张图像。每张图像的尺寸为28x2
很简单，直接从https://pytorch-geometric.com/whl/中选择合适的版本图1选择合适的版本号，如本文，选择torch-1.10.0+cpu，后进入下一级页面图2按照python版本选择合适的版本号，比如本文是python3.8.0，所以选择cp38，又因为电脑安装的是window程序，显卡是amd的，所以选择torch_sparse-0.6.13-cp38-cp38-win_amd64.whl版本最后，通过pipinstall直接安装whl版本即可ps:如果遇到UserWarning:Errorcheckingcompilerversionforcl错误，直接在系统盘
事实上，只要按照官方文档的说明就可以完美安装。其中坑的地方在于conda的管理可能会导致下载的版本不符合你的要求（例如下载成了cpu版本、下载的cuda版本）而同样尝试使用源码编译以及其他方式下载库都会导致同样的问题，这里主要的原因是由于python的版本不对以及conda版本不对。这里先简单总结一下本人成功安装的步骤，再简单阐述一下其中的坑，请务必完整阅读后再进行安装。安装步骤由于pytorch3d对于conda的要求非常刁钻，!!!这里十分建议重新创建一个虚拟环境!!!官方链接此外，目前测试python3.11还不可用，python3.8有点老（不太推荐）condacreate-npyto
搭建深度学习虚拟环境（Anaconda）创建新的虚拟环境安装CUDA（11.6）安装cudnn（8.4.0.27）安装pytorch（1.13.1）在线安装离线安装安装torchvision（0.14.1）验证安装是否成功创建新的虚拟环境1.以管理员的身份打开AnacondaPrompt窗口：2.创建新的虚拟环境：condacreate-n环境名称python=x.x3.激活刚刚创建好的虚拟环境：condaactivate环境名称安装CUDA（11.6）1.右击鼠标打开NVIDIA控制面板，查看显卡支持的最高CUDA版本：2.Anaconda换清华镜像源，提高下载速度：condaconfig-
