在Ubuntu上集成PyTorch与Jupyter Notebook可以让你在一个环境中无缝地进行深度学习开发和数据科学实验。以下是详细的步骤:
首先,建议使用Anaconda来管理你的环境和包。Anaconda是一个开源的Python发行版,包含了conda、Python以及180多个科学包及其依赖项。
wget https://repo.anaconda.com/archive/Anaconda3-2023.07-2-Linux-x86_64.sh
bash Anaconda3-2023.07-2-Linux-x86_64.sh
按照提示完成安装过程,并激活Anaconda环境。
为了隔离项目环境,建议创建一个虚拟环境:
conda create -n pytorch_env python=3.8
conda activate pytorch_env
在激活的虚拟环境中,根据你的CUDA版本选择合适的PyTorch安装命令。以下是一些常见的CUDA版本对应的安装命令:
无GPU(CPU版本):
conda install pytorch torchvision torchaudio cpuonly -c pytorch
CUDA 11.3:
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
CUDA 11.2:
conda install pytorch torchvision torchaudio cudatoolkit=11.2 -c pytorch
在安装好PyTorch之后,你可以使用以下命令来安装Jupyter Notebook:
conda install jupyterlab
安装完成后,启动Jupyter Notebook:
jupyter lab
或者,你也可以指定工作目录启动JupyterLab:
jupyter lab --notebook-dir /path/to/your/notebook
打开浏览器,访问 http://localhost:8888
,你应该能够看到Jupyter Notebook的登录界面。输入你在启动Jupyter Notebook时设置的密码即可进入。
一旦进入Jupyter Notebook,你可以像在普通的Python环境中一样导入和使用PyTorch。例如:
import torch
print(torch.__version__)
你还可以创建一个PyTorch Notebook,在其中编写和运行PyTorch代码,进行深度学习实验。
为了确保项目依赖的可复现性,建议使用 requirements.txt
文件记录项目的依赖包:
pip freeze > requirements.txt
这样,其他人可以通过以下命令复现你的环境:
pip install -r requirements.txt
通过以上步骤,你就可以在Ubuntu上成功集成PyTorch与Jupyter Notebook,开始你的深度学习和数据科学项目。