MxNet（GPU版本）安装及相关配置（CUDA，CuDNN，Graphviz，d2l，虚拟环境配置）及最终建议 |
您所在的位置：网站首页 › cudnn安装包 › MxNet（GPU版本）安装及相关配置（CUDA，CuDNN，Graphviz，d2l，虚拟环境配置）及最终建议 |
MxNet（GPU版本）安装及相关配置（CUDA，CuDNN，Graphviz，d2l，虚拟环境配置）及最终建议
|
深度学习框架MxNet配置（GPU版本）
1.对应镜像：https://mirrors.aliyun.com/pypi/simple/mxnet/ 找到与自己电脑Python版本对应（命令行使用python –v查看对应版本）的版本下载 2.在对应文件夹下ctrl+shift+右键在此处打开PowerShell窗口，复制文件夹名字mxnet-1.7.0.post2-py2.py3-none-win_amd64.whl，在命令行输入pip install +右键，剩下的文件名部分自动粘贴，回车。 3.出错，先排除pip版本需要更新问题，命令行输入python -m pip install –upgrade pip 不是pip版本问题会提示note: This is an issue with the package mentioned above, not pip.找找上面提到的包,看到提示跟numpy 相关→打开 AnacondaPrompt 输入pip install –upgrade numpy （直接在cmd命令行输入可能会出错），出现raise ReadTimeoutError考虑①换源（命令行输入：pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple）②科学上网。。。。真的是绝了，因为版本混乱不学Java，结果到现在依旧会被这种问题困扰到。。。。。。。。。 报错： No module named 'numpy.distutils._msvccompiler' in numpy.distutils; 分析：可能是因为昨天重装tb买的win10专业版，少了一些dll。然后从源码安装numpy是需要编译的，所以编译过程中出错了 解决：安装Visual Studio 2019 生成工具 选择安装c++生成工具 (根据python版本选择) 到https://wiki.python.org/moin/WindowsCompilers下载对应MinGW-w64Compiler（https://www.mingw-w64.org/downloads/）
MinGW 就是 GCC 的 Windows 版本 。 以上是 MinGW 的介绍，MinGW-w64 与 MinGW 的区别在于 MinGW 只能编译生成32位可执行程序，而 MinGW-w64 则可以编译生成 64位 或 32位 可执行程序换源-中科大： conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/ conda config --set show_channel_urls yes最后解决：1.科学上网安装mingw，因为清华源和中科大的源都装不了。2.下载VS2022（Community）：https://visualstudio.microsoft.com/zh-hans/downloads/【安装过程中会把编译MxNet的组件也给装了】
d2l软件包配置
这里有两种方式：1.JupyterNotebook里面，命令前加上！2.终端命令行激活虚拟环境，再用conda install 安装
; CUDA，CuDNN
见我的另一篇文章 Gaphaviz下载这里可以不用下 在conda/anaconda中配置虚拟环境(搭建GPU版本mxnet的运行环境)1.命令行创建 conda create -n gluon python=3.9 conda activate gluon可能踩的坑：1.An unexpected error has occurred. Conda has prepared the above report. 1)删除.condarc文件（这个文件的位置一般为C:\User\Administrator.condarc，如果设置了清华/中科大源，里面会保存这些镜像源的地址，删除了这个文件其实就是类似于恢复使用官方源）2)清理缓存索引(运行命令：conda clean -i，可以删除conda中的缓存索引)3)try close your VPN2.激活环境后，在虚拟环境中安装mxnet（在命令行输入：pip install mxnet-cu100） 3.测试MxNet-GPU是否安装成功 import mxnet as mx from mxnet import nd print(mx.cpu(), mx.gpu()) x_cpu = nd.array([1, 2, 3]) print(x_cpu) print(x_cpu.context) x_gpu = nd.array([1, 2, 3], ctx=mx.gpu()) print(x_gpu) print(x_gpu.context)
用VSCODE跑MxNEt
可能会出现如下错误：
; 报错提示：
Running cells with ‘Python 3.9.13 (‘ohmy39′)’ requires ipykernel package. Run the following command to install ‘ipykernel’ into the Python environment. Command: ‘conda install -n ohmy39 ipykernel –update-deps –force-reinstall’ 报错原因：用vscode直接跑jupyter的时候，会出现这个错误。说明当前用的这个虚拟环境还不支持ipykernel。 解决： conda install -n XXX ipykernel --update-deps conda install -n ohmy39 ipykernel --update-deps --force-reinstall 最后的建议 初学者放弃GPU版本的Mxnet吧，1.不要在本地（环境配置太多坑了）2.建议在Colab或者Kaggle上跑，蹭蹭免费的GPU 用PyTorch先入门把整个流程走一遍，后期有余力有兴趣再整MxNet李沐老师的《动手学深度学习》相关网址：课程材料：http://zh.gluon.ai互动论坛：http://discuss.gluon.ai（有一些帖子可以为你在学习的过程中遇到的问题提供一些参考）douyu直播：https://www.douyu.com/jiangmen Original: https://blog.csdn.net/Romaga/article/details/127150587Author: Space65536Title: MxNet（GPU版本）安装及相关配置（CUDA，CuDNN，Graphviz，d2l，虚拟环境配置）及最终建议 原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/270950/ 转载文章受原作者版权保护。转载请注明原作者出处！ |
【本文地址】
今日新闻 |
推荐新闻 |