本文最后更新于 2024年4月26日 凌晨
1. tf-models
Intel CPU + Nvidia GPU
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
| # 虽然部分包之间相互依赖,但无需担心,conda 会自动处理的 # 不要单次安装过多的库,可能导致安装失败(如超出终端缓存等) # 注意添加库的顺序 tensorflow-gpu 需要在 cudatoolkit 之前 # (实测:否则下载的 tensorflow-gpu 不支持 gpu) mamba create -n tf-models-gpu-308 python=3.8 tensorflow-gpu cudnn cudatoolkit -c anaconda -c conda-forge # 添加一些提供 gpu 加速的库 # keras 已包含在 tensorflow 中,不再安装 # 手动添加 tensorflow-gpu 避免被覆盖 mamba install tensorflow-gpu scikit-learn-intelex numba mkl-devel modin-all matplotlib ipykernel -c anaconda -c conda-forge # 添加一些常用的库 mamba install scipy matplotlib scikit-learn pandas seaborn notebook -c anaconda -c conda-forge # 最后使用 pip 添加 tensorflow-model # tensorflow/models: https://github.com/tensorflow/models # 未提供 conda 安装方式,故使用 pip pip3 install tf-models-official
|
2. OpenCV-python
1 2 3 4
| # conda install scipy matplotlib scikit-learn ipykernel pandas seaborn -c conda-forge -c anaconda
# openCV,请在 conda 之后使用 pip pip install opencv-python
|
pytorch(含 cuda)
Start Locally | PyTorch: https://pytorch.org/get-started/locally/
1 2 3 4 5 6 7 8
| mamba create -n pytorch-309 python=3.9.16 mamba activate pytorch-309 mamba install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia # 添加一些常用的库 mamba install scipy matplotlib scikit-learn scikit-learn-intelex scikit-image pandas seaborn notebook tqdm # scikit-learn-intelex 支持所有 x86 架构的 CPU,包括 Intel 和 AMD # 参考:https://intel.github.io/scikit-learn-intelex/system-requirements.html python -m ipykernel install --user --name pytorch-309 --display-name pytorch-309-kernel
|