李沐+AutoDL深度学习环境配置

这篇具有很好参考价值的文章主要介绍了李沐+AutoDL深度学习环境配置。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

首先,咱们租一台服务器?

咱们租AutoDL的服务器,这个服务器是专门对学生打造的,学生认证有优惠
李沐+AutoDL深度学习环境配置
李沐+AutoDL深度学习环境配置
李沐+AutoDL深度学习环境配置
李沐+AutoDL深度学习环境配置
李沐+AutoDL深度学习环境配置

打开Xshell(Windows power shell,或者linux的terminal都行,不一定要用XShell)

用法1

李沐+AutoDL深度学习环境配置
李沐+AutoDL深度学习环境配置
李沐+AutoDL深度学习环境配置

用法2

李沐+AutoDL深度学习环境配置
李沐+AutoDL深度学习环境配置
李沐+AutoDL深度学习环境配置

接下来就可以配置环境了

首先要激活conda

conda activate base

李沐+AutoDL深度学习环境配置
激活:

vim ~/.bashrc

李沐+AutoDL深度学习环境配置
英文键盘输入i,下面会出现一个INSERT
李沐+AutoDL深度学习环境配置
按住键盘上的pagedown,一直翻到最下面键入一行路径
注意:这个路径只对minconda3的autodl的服务器管用,如果是其他服务器,自己改下路径。

source /root/miniconda3/etc/profile.d/conda.sh

李沐+AutoDL深度学习环境配置
然后按下ESC,退出编辑界面,英文键盘输入 :wq,然后回车,保存文件并退出
李沐+AutoDL深度学习环境配置
输入 bash 或者把终端关掉,重启下终端,像上面这样

然后键入conda activate base,像下面这样
李沐+AutoDL深度学习环境配置
可以用了

搭建自己的环境

conda create -n d2l python=3.9

李沐+AutoDL深度学习环境配置
进入刚才建的环境

conda activate d2l

李沐+AutoDL深度学习环境配置

接下来就很关键了,安装pytorch框架

pytorch官网: pytorch
进入官网
李沐+AutoDL深度学习环境配置

# CUDA 11.3
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch

键入,粘贴,回车
李沐+AutoDL深度学习环境配置
李沐+AutoDL深度学习环境配置
李沐+AutoDL深度学习环境配置
pytorch安装完毕

安装其他的包

pip install d2l

d2l这个玩意儿,是我要用的
李沐+AutoDL深度学习环境配置

安装一个jupyter,这个其实已经在conda那装过了

pip install jupyter

jupyter 页面更新(我也不知道干嘛用的,autodl帮助文档里面提供的,知道的小伙伴儿可以跟我讲下)

输入

conda install ipykernel

李沐+AutoDL深度学习环境配置
输入

ipython kernel install --user --name=py39

李沐+AutoDL深度学习环境配置
可由看到在autodl提供的jupyter lab页面更新
李沐+AutoDL深度学习环境配置

装下李沐老师的课件

李沐+AutoDL深度学习环境配置
创建一个新的目录,并进到这个目录里面

mkdir d2l-zh && cd d2l-zh

下载课件如果下载慢的话用wget

curl https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip -o d2l-zh.zip
wegt https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip -o d2l-zh.zip

解压课件

unzip d2l-zh.zip && rm d2l-zh.zip

如果提示unzip not found,用下面命令先安装下unzip

sudo apt install unzip

进到pytorch目录下

cd pytorch

李沐+AutoDL深度学习环境配置
在当前目录下打开jupyter notebook

jupyter notebook --allow-root

指定端口打开jupyter notebook

jupyter notebook --port=6006 --allow-root

指定端口,不在服务器浏览器打开

jupyter notebook --no-browser --port=6006 --allow-root

会出现两个链接
李沐+AutoDL深度学习环境配置
选择其中一个复制到浏览器打开
然后,你会发现打不开
李沐+AutoDL深度学习环境配置端口重映射
李沐+AutoDL深度学习环境配置
然后发现还是不行,在重映射时候一直拒绝访问
李沐+AutoDL深度学习环境配置
最后找到原因
李沐+AutoDL深度学习环境配置
解决办法:更改配置文件
参考链接: jupyter notebook使用远程服务器方法
生成配置文件

jupyter-notebook --generate-config

执行下列命令设置密码

jupyter-notebook password

打开文件复制密码

vim /root/.jupyter/jupyter_notebook_config.json

李沐+AutoDL深度学习环境配置
将上面双引号里面的红色字体复制下来,一会要用
配置文件:

vim /root/.jupyter/jupyter_notebook_config.py

翻到最下面,英文键盘输入i,将下面配置放在文件里面

c.NotebookApp.ip='*'
#允许通过任意绑定的服务器的ip访问
c.NotebookApp.port =6006#这个端口是docker容器和宿主机的映射端口
c.NotebookApp.open_browser=False
#不自动打开浏览器
c.NotebookApp.password=u'刚才复制的很长的那个密码'

像我这样
李沐+AutoDL深度学习环境配置
按下ESC,输入‘ :wq ’回车,退出编辑
然后在d2l-zh/pytorch文件目录下(这个是李沐老师团队给的文档),打开jupyter notebook

jupyter notebook --allow-root

像下面这样就是大功告成
李沐+AutoDL深度学习环境配置
怎么访问呢?刚才帮助文档里面已经提示过
李沐+AutoDL深度学习环境配置
李沐+AutoDL深度学习环境配置
李沐+AutoDL深度学习环境配置
李沐+AutoDL深度学习环境配置
然后就可以打开服务器的jupyter了。
仔细看网页上的域名和端口号,我到这没看明白。
不会端口重映射,有会的小伙伴儿@我一下。文章来源地址https://www.toymoban.com/news/detail-415084.html

到了这里,关于李沐+AutoDL深度学习环境配置的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网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TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 李沐深度学习环境安装(包括pytorch和d2l)

    进入Anaconda官网下载:https://www.anaconda.com/distribution/ 安装细节不在这赘述,和一般软件相同。如下图注意点 最后检测是否安装成功,打开cmd命令行输入 conda --version ,如下图显示版本即为安装成功 2.1 切换到国内镜像源,分别输入以下4行代码: 2.2 创建pytorch环境 创建pytorch环境

    2024年02月13日
    浏览(42)
  • 李沐机器学习环境配置相关

    退出 conda 环境 进入都d2l环境 启动jupyter notebook: 列出所有安装的包 新建d2L环境 激活d2l环境 查看cuda版本 安装GPU版本,我的cuda版本是11.4,装了11.3的 下面连接可以下载不同版本的pytorch https://pytorch.org/get-started/previous-versions/ True cuda:0 GeForce GTX 1080 tensor([[0.9530, 0.4746, 0.9819], [0.7

    2024年02月07日
    浏览(30)
  • 李沐《动手学深度学习》深度学习计算

    李沐《动手学深度学习》预备知识 张量操作及数据处理 李沐《动手学深度学习》预备知识 线性代数及微积分 李沐《动手学深度学习》线性神经网络 线性回归 李沐《动手学深度学习》线性神经网络 softmax回归 李沐《动手学深度学习》多层感知机 模型概念和代码实现 李沐《

    2024年01月22日
    浏览(58)
  • 【李沐】动手学深度学习 学习笔记

    你好! 这是【李沐】动手学深度学习v2-基于pytorch版本的学习笔记 教材 源代码 安装教程(安装pytorch不要用pip,改成conda,pip太慢了,下载不下来) 个人推荐学习学习笔记 数据操作   本节代码文件在源代码文件的chapter_preliminaries/ndarray.ipynb中 创建数组   创建数组需要:

    2024年02月16日
    浏览(51)
  • 【深度学习环境】Windows10系统+AutoDL算力平台|使用MobaXterm终端工具实现SSH远程连接服务器|实现PyCharm与服务器远程连接|远程连接(详细版)

    一般情况下,我们的本地文件项目直接使用本机的GPU/CPU在编译器上编译调试。但是由于深度学习中神经网络模型庞大,在计算时常常会出现爆显存的问题,较小的显存不能满足计算需求。因此通常使用一台有着“大显存”的服务器来代替本机“小显存”以完成运算,我们期待

    2024年02月05日
    浏览(66)
  • 李沐《动手学深度学习》多层感知机 深度学习相关概念

    李沐《动手学深度学习》预备知识 张量操作及数据处理 李沐《动手学深度学习》预备知识 线性代数及微积分 李沐《动手学深度学习》线性神经网络 线性回归 李沐《动手学深度学习》线性神经网络 softmax回归 李沐《动手学深度学习》多层感知机 模型概念和代码实现 教材:

    2024年01月20日
    浏览(46)
  • 李沐-《动手学深度学习》--02-目标检测

    a . 算法步骤 使用启发式搜索算法来选择锚框(选出多个锚框大小可能不一,需要使用Rol pooling) 使用 预训练 好的模型(去掉分类层)对每个锚框进行特征抽取(如VGG,AlexNet…) 训练一个SVM来对每个类进行分类 训练一个线性回归模型来预测边缘框偏移 b . Rol Pooling ​ 每个锚框

    2024年01月25日
    浏览(40)
  • Tensor-动手学深度学习-李沐_笔记

    Tensor,又称\\\"张量\\\",其实就是n维度数组。不同维度的Tensor示意图如下:     reshape函数 可以处理总元素个数相同的任何新形状,【3,2,5】-【3,10】 -【5,6】这个流程如 下图所示:  有时需要对Tensor按照某一维度进行求和,那么实际上就是将所求和的维度 从向量降维成标量

    2024年02月11日
    浏览(31)
  • 【深度学习】动手学深度学习(PyTorch版)李沐 2.4.3 梯度【公式推导】

      我们可以连接一个多元函数对其所有变量的偏导数,以得到该函数的 梯度 (gradient)向量。 具体而言,设函数 f : R n → R f:mathbb{R}^{n}tomathbb{R} f : R n → R 的输入是一个 n n n 维向量 x ⃗ = [ x 1 x 2 ⋅ ⋅ ⋅ x n ] vec x=begin{bmatrix} x_1\\\\x_2\\\\···\\\\x_nend{bmatrix} x = ​ x 1 ​ x 2 ​

    2024年01月17日
    浏览(51)
  • 李沐深度学习-激活函数/多层感知机文档

    multilayer perceptron (MLP):多层感知机(多层神经网络) (hidden layer)隐藏层: 介于输入层和输出层之间的网络层 输入层不涉及计算,如果一个神将网络由三层组成,则多层感知机层数为2 多层感知机中隐藏层和输出层都是全连接 隐藏层的输出(也叫隐藏层变量或隐藏变量) 隐藏层单元

    2024年01月24日
    浏览(36)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包