Питорч (пип или конда)

Недавно я установил Pytorch (пакет pip), а позже обнаружил, что у меня уже есть Pytorch (пакет conda). Теперь я не уверен, какой из них оставить или следует оставить оба. Кроме того, я новичок, поэтому не знаю, как действовать дальше. Я только начал изучать ML и слышал, что conda для этого лучше, хотя я не уверен. пожалуйста, помогите мне

Вы можете выбрать один из двух для установки в вашей среде. Не беспокойтесь о том, какой из них выбрать, просто начните с одного, и если он сработает, отлично! Если нет, попробуй другой

summerisbetterthanwinter 01.06.2024 18:42
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
1
79
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

При работе с пакетами Python, особенно в контексте машинного обучения, важно правильно управлять установками и средами, чтобы избежать конфликтов и обеспечить бесперебойный рабочий процесс. Вот пошаговое руководство, которое поможет вам принять решение и действовать:

Понимание pip и conda pip: это менеджер пакетов по умолчанию для Python, который устанавливает пакеты из индекса пакетов Python (PyPI). Это просто, но плохо справляется с зависимостями, отличными от Python. conda: это более универсальный менеджер пакетов, который может обрабатывать как пакеты Python, так и другие зависимости, что делает его популярным выбором для задач обработки данных и машинного обучения. Какой из них оставить? Для новичка использование одного менеджера пакетов для конкретного проекта может упростить задачу. Вот несколько причин, по которым вы можете предпочесть conda:

Управление средой: conda позволяет легко создавать изолированные среды с определенными зависимостями, избегая конфликтов. Обработка зависимостей: conda особенно хороша в управлении сложными зависимостями, что часто встречается в проектах ML. Предпочтения сообщества. Многие специалисты по машинному обучению предпочитают conda из-за его надежности в управлении пакетами и средами. Шаги для продолжения Создайте и активируйте среду Conda. Если у вас нет конкретной среды, создайте ее:

conda create --name myenv python=3.9
conda activate myenv

Установите PyTorch с помощью Conda:

conda install pytorch torchvision torchaudio                 
cudatoolkit=10.2 -c pytorch

Удалите версию PyTorch с помощью Pip. Чтобы избежать конфликтов, удалите пакеты PyTorch, установленные с помощью pip:

pip uninstall torch torchvision torchaudio

Проверьте установку: убедитесь, что все настроено правильно, выполнив:

import torch
print(torch.__version__)
print(torch.cuda.is_available())

Дополнительные советы Держите среды изолированными: используйте разные среды conda для разных проектов, чтобы лучше управлять зависимостями. Изучите команды Conda: ознакомьтесь с полезными командами conda (список conda, установка conda, удаление conda, список env conda и т. д.) для эффективного управления средами и пакетами. Выполнив эти шаги, вы получите чистую и управляемую настройку, которая имеет решающее значение для продолжения обучения и работы над проектами машинного обучения. Удачи!

зачем указывать python=3.9? версия у меня 3.11

Llana 01.06.2024 18:53

Другие вопросы по теме