过年机器还有些没发货，先在笔记本上演练下装环境。肯定是docker+deepo+jupyter+wingide组合了。各种优点不说了，重点是不折腾+随时随地折腾。win10home+dockerdockerforwindows要求winpro以上。家庭版不支持hyper-v。docker-toolbox我是拒绝的，性能差啊！于是参照这篇文章，操作如下：1，新建cmd脚本，开启hyper-vcomp

博客主页：是dream系列专栏：深度学习环境搭建、环境配置问题解决、自然语言处理、语音信号处理、项目开发每日语录：但愿每次回忆，对生活都不感到负疚。

一、YOLOv8环境搭建这篇文章将跳过基础的深度学习环境的搭建，如果没有完成的可以看我的这篇博客：超详细||深度学习环境搭建记录cuda+anaconda+pytorch+pycharm-CSDN博客1

win10下基于Anaconda、pytorch的YOLOV5深度学习环境搭建环境配置顺序：显卡驱动-CUDA-cudnn-Anaconda-pytorch-pychorm按这个顺序配置可以避免很多莫名其妙的错误出现

Anaconda+PyTorch深度学习环境搭建（PyCharm）Anaconda+PyTorch深度学习环境搭建（PyCharm）前言Anaconda安装什么是Anaconda软件安装添加环境变量Anaconda

GPU深度学习环境搭建：Win11+CUDA11.7+Pytorch1.12.1+Anaconda以及对应版本一.01Pytorch和CUDA对应的版本及Pytorch和Python对应的版本及Python

深度学习环境搭建过程中，初期阶段，相信大家都会遇到，动不动TensorFlow或者Pytorch库与Cuda、或者Cudnn版本不匹配的问题；因此很多时候，在一台服务器中安装多个Cuda逐步成为了各位搬砖大佬们的必然选择本文为大家揭秘一台全新服务器

目录一、前期准备1.确定电脑支持GPU2.确认Anaconda已安装3.查看电脑所支持的CUDA最高版本二、pytorch安装1.在Anaconda下创建一个新环境2.安装pytorch三、PyCharm调用pytorch四、报错解决方案汇总一、前期准备1.确定电脑支持GPU方法一：在任务栏空白处右击选择“任务管理器”，再选择“性能”就可以查看是否有GPU（要英伟达的）。方法二：在开始中搜索“设备

一、升级nvrdia显卡驱动1、安装cuda2、安装cudnn二、安装anaconda1、官网下载对应版本：https://www.anaconda.com/products/individual打开anacondaprompt终端，执行condalist查看详细信息2、安装虚拟环境condacreate-nenvironment_namepython=X.X默认安装到c盘，建议安装到空间较大的盘

博客主页：是dream系列专栏：深度学习环境搭建、环境配置问题解决、自然语言处理、语音信号处理、项目开发每日语录：要有最朴素的生活和最遥远的梦想，即使明天天寒地冻，山高水远，路远马亡。

首先分别介绍一下Anaconda和pytorch：*Anaconda中文大蟒蛇，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。常用指令及其作用condaclean-p删除没用的包condaclean-ttar打包condacreate-nxxxpython=xx创建python版本为xx的xxx虚拟环境conda–help查看各种指令condain

文章目录环境卸载环境安装cuda安装cudann安装Anaconda安装常用终端命令跑模型本博客专门针对有独立显卡的GPU版本环境安装，cpu版本我不太清楚，我猜如果您用cpu跑神经网络，你估计也很难崩以下是作者亲身体验安装并成功所看的博客，过程中基本上所有坑都踩了，附上这些链接配上讲解，希望大家可以成功，我的建议是如果以后要用到tensorflow的话，装低版本的CUDAToolkit，显卡可以

目录搭建Anaconda3搭建GPU版本的Pytorch你的pip也要换源，推荐阿里源打开conda的PowerShell验证搭建Anaconda3无脑下载安装包安装（自行百度）注意点：1、用户目录下的.condarc需要配置（自定义环境的地址（别忘了给文件夹加权限）；镜像源）搭建GPU版本的Pytorch1、先看你的显卡版本Win+R->输入命令nvidia-smi，看你的cuda版本2.下载离

Ubuntu安装步骤参考文章知乎：Ubuntu20.04系统安装及初始配置目录一.制作启动盘1.1下载镜像文件1.2制作启动盘二.安装系统2.1启动计算机并进入BIOS2.2开始安装三.安装nvidia显卡驱动1.安装依赖2.卸载原有驱动3.官网下载对应驱动4.禁用nouveau5.停止当前的显示服务器6.在文本界面中，禁用X-window服务7.安装驱动8.重启图形界面9.测试显卡驱动是否安装成

大部分内容参考了这篇非常详细的博客，是我最近看到的为数不多的保姆级别的教学博客，建议大家去给博主点个赞【Ubuntu20.04安装和深度学习环境搭建4090显卡】_ubuntu20.04安装40系显卡驱动

系列文章目录opencv基本安装深度学习环境搭建君正T40基础使用参考文献参考文献参考文献文章目录系列文章目录当前环境一、编译工具链准备二、编译环境准备1、下载cmake-gui2、下载opencv4.4.0

系列文章目录入门级深度学习环境搭建文章目录系列文章目录前言一、ONNX是什么？

1、YOLOv8深度学习环境搭建及安装1.1.Yolov8介绍设置操作类型YOLOv8模型可用于各种任务，包括检测、分割和分类。这些任务的不同之处在于它们产生的输出类型和它们要解决的特定问题。

pytorch的yolo目标检测程序，是B站的一个up分享的，链接如下：https://www.bilibili.com/video/BV14f4y1q7ms1下载安装cuda以及CUDNN教程参考：深度学习环境搭建

前言硬件配置基础软件1，安装VC_redist.x642，安装显卡驱动并确定算力3，确认cuda版本4，安装CUDA、配置cudnn5，安装Anaconda6，安装PyCharm深度学习框架Tensorflow安装深度学习框架PyTorch安装软件使用1，使用notebook新建项目2，使用PyCharm新建项目前言实践是检验真理的唯一标准！深度学习本身就是一个多学科的领域，需要大量的理论和数学知

博客主页：真的睡不醒系列专栏：深度学习环境搭建、环境配置问题解决、自然语言处理、语音信号处理、项目开发每日语录：闲看花开，静待花落，冷暖自知，干净如始。

博客主页：真的睡不醒系列专栏：深度学习环境搭建、环境配置问题解决、自然语言处理、语音信号处理、项目开发每日语录：眼里有不朽的光芒心里有永恒的希望。

博客主页：真的睡不醒系列专栏：深度学习环境搭建、环境配置问题解决、自然语言处理、语音信号处理、项目开发每日语录：要有最朴素的生活和最遥远的梦想，即使明天天寒地冻，山高水远，路远马亡。

博客主页：真的睡不醒系列专栏：深度学习环境搭建、环境配置问题解决、自然语言处理、语音信号处理、项目开发每日语录：你要做冲出的黑马而不是坠落的星星。

博客主页：真的睡不醒系列专栏：深度学习环境搭建、环境配置问题解决、自然语言处理、语音信号处理、项目开发每日语录：闲看花开，静待花落，冷暖自知，干净如始。

博客主页：真的睡不醒系列专栏：深度学习环境搭建、环境配置问题解决、自然语言处理、语音信号处理、项目开发每日语录：相信自己，一路风景一路歌，人生之美，正在于此。

因为要运行pointnet等算法，搭建环境，以下所有过程本人亲测有效，有什么问题本人不懂。蓝色都是直接可以点击的链接，根据提示选择你想要的链接背景：联想小新潮7000电脑。windows11、ubuntu20.04、pycharm20.3.5windows安装ubuntu双系统首先请根据参考文献根据你的电脑判断属于以下四种安装类型哪一种：AMBR传统bios+单硬盘BMBR传统bios+双硬盘（S

本文参加新星计划人工智能(Pytorch)赛道：https://bbs.csdn.net/topics/613989052承接上文：自己深度学习环境搭建和免费环境使用+Tensor构造+Tensor基本操作

 本文主要完成搭建自己的Ubuntu18.04深度学习环境搭建（Anconda和ROS共存）的搬运工作。

从Python安装到深度学习环境搭建1.Anaconda安装python可以通过官网下载exe，这里提供的是使用anaconda创建多个虚拟的python环境，使用AnacondaPrompt管理虚拟环境更方便

1.1、YOLOv8深度学习环境搭建及安装1.1.1环境详细配置我的显卡配置为：RTXA4000(16GB)具体环境：PyTorch1.8.1Python3.8(ubuntu

环境搭配（可根据自身需要以及版本变化进行调整）：1、cuda10.0+tf-1.13.2+keras-2.2.5(2.3.1)/tf-1.14.0+keras-2.3.1/tf-1.15.2+keras-2.3.1，科研开发兼容2、torch1.4.0+cu100&torchvision0.5.0+cu1003、下载cuda10.1备用一、安装anaconda3第一步：安装anaconda3,选择

1.在windows系统下，IDLE启动错误，spyer打不开，jupyter打不开，出现连接不上，python.exe,pythonw.exe已停止工作等错误。法1：关闭Windows防火墙，若错误消失，说明防火墙阻止了程序启动python.exe和pythonw.exe。具体操作：控制面板-windows防火墙-允许程序或功能通过windows防火墙-允许运行另一程序-浏览-定位到python

Kafka_deepstreamdocker_羽化登仙°的博客-CSDN博客https://soulteary.com/2022/05/20/use-docker-to-run-huggingface-models.htmldocker完整深度学习环境搭建

本书共18章，内容包括人工智能与大模型、PyTorch2.0深度学习环境搭建、从零开始学习PyTorch2.0、深度学习基础算法详解

目录1.WSL2安装Ubuntu系统1.1打开启用或关闭Windows功能1.2下载ubuntu1.3更新内核2.深度学习环境搭建2.1安装miniconda2.1.1创建虚拟环境2.1.2激活环境2.2

mx350,相对于mx250来讲档次上升了一个层次，但是对于Nvidia系列的显卡来讲，GTX系列的显卡比MX系列有着更加出色的性能，对于大型游戏（本人不太懂端游），和专业人员（比如视频剪辑，还有我们深度学习环境搭建

Ubuntu18.04下深度学习环境搭建借了一个烧录好的ubuntu16的u盘，可惜的是安装中出现了各种问题，进入不了安装界面

总结：深度学习环境搭建【显卡算力、CUDA、pytorch、tensorflow选择】一、了解自己的显卡，确定其对应的算力二、根据算力、显卡驱动，选择cuda版本三、pytorch版本选择四、tensorflow

深度学习环境搭建——之PyCharm安装配置参考：1，https://www.runoob.com/w3cnote/pycharm-windows-install.html书接上回，继续开始PyCharm

序言：工作中一直从事的是FPGA嵌入式开发，图像处理相关的工作。目前随着AI的浪潮，也被动卷入到深度学习的漩涡中，为了不被漩涡卷入深渊，只能自学些深度学习相关的知识，俗话说“好记性不如烂笔头”何况已经人到中年，想着还是把在工作中的步骤都记录下来，等到想不起来的时候可以随手翻阅查找。一个深度学习环境的搭建，我根据使用的软件情况以及我自己的安装顺序，大致分为了四部分，Anaconda安装配置，CUDA

一、深度学习环境搭建：Win11+CUDA+Pytouch+Anaconda本篇文字是【深度学习】YOLOV5-WIN11环境搭建（配置+训练)，首先介绍win11下基于Anaconda、pytorch

对与其的理解可以参考视频：【新手向】全网最通俗易懂的新手环境搭建指南anaconda+pytorch+pycharm_哔哩哔哩_bilibili1.anaconda和2.显卡驱动直接参考这篇文章(39条消息)深度学习环境配置超详细教程【Anaconda+PyTorch(GPU版)+CUDA+cuDNN】_傲寒。的博客-CSDN博客其中1.安装anaconda（python包，版本管理工具，pyth

安装anaconda3，并搭建一个python3.10开发环境1.打开conda官方下载地址https://repo.anaconda.com/archive/，找到Anaconda3-2023.03-1-Windows-x86_64.exe下载按默认方式安装到你目标盘。2.打开安装好的AnacondaPowershellPrompt执行condaenvlist查看本地的conda环境(base)

文章目录第一步：安装anaconda第二步：安装虚拟环境第三步：安装torch和torchvision第四步:安装mmcv-full第五步:安装mmdetection第六步：测试环境第七步：训练-目标检测7.1准备数据集7.2检查数据集7.3训练网络第一步：安装anaconda参考教程：点击第二步：安装虚拟环境condacreate--nameopenmmlabpython=3.8condaact

目录前言下载Anaconda虚拟环境的搭建在pycharm中配置现有的conda环境CUDA简介下载安装pytorch包前言最近换新笔记本了，要重新安装软件，以前本来是想要写这个教程的，但当时由于截图不全还要懒得再下载重装，就放弃了，到后面又搁置了，而现在还要重新配置环境，所幸我有机会把这个教程写完整。下载Anaconda你可以选择去官网下载，但下载的速度确实是太慢了，你可以进入清华镜像源下载。I

cuda、cudann、conda安装教程输入以下命令，查看GPU支持的最高CUDA版本。nvidia-smicuda安装（cudatoolkit）前往Nvidia的CUDA官网：CUDAToolkitArchive|NVIDIADeveloperCUDAToolkit11.8Downloads|NVIDIADeveloperwgethttps://developer.download.nvidi

文章目录第一步安装python第二步安装pycocotools第三步安装Torch和Torchvision第四步安装fvcore第五步安装detectron2第六步开始安装第一步安装pythoncuda10.2环境下condacreate-ndetectronpython=3.7第二步安装pycocotools下载对应的pycocotools-windows·PyPI根据python版本，然后pi

在ubuntu16.04LTS环境下安装keras在开始开发深度学习应用之前，先建立自己的深度学习工作站，在没有NVIDIAGPU支持下，建议使用UNIX工作站，本文深度学习环境搭建在ubuntu16.04LTS

一、CUDA安装1.查询CUDAdriver版本：2.下载并安装：CUDAToolkitArchive|NVIDIADeveloperPreviousreleasesoftheCUDAToolkit,GPUComputingSDK,documentationanddeveloperdriverscanbefoundusingthelinksbelow.Pleaseselectthereleasey