- 百度AI studio 可以免费使用GPU,有基础版本不提供GPU,高级版本和智至尊版本会提供不同的云服务器使用GPU, *同时百度AI studio是已经配置了anaconda环境的,可以直接使用conda相关命令。但百度的AI studio每次启动后环境都是需要重新配置的。如果每次重新配置环境的话会比较浪费时间。需要在work目录下创建这些文件才会永久保存,创建的环境也是如此
注: 配置环境最好在基础免费款上,跑实验时候再重新启动高级版,数据不会丢的,直接切换会报错文件过大。
#!/bin/sh
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
3.使用 conda config –show查看以下(这步可以忽略)
4.运行上面的脚本
sh env.sh
5.激活base环境
source ~/work/miniforge3/bin/activate #miniforge3是安装时候自定义的名字
注: 这里不能直接source activate,会直接激活该系统自带的conda环境,而不是我们需要安装的conda环境。项目停止运行后会被直接删除后续即将安装的torch等库。
6.创建需要使用的虚拟环境
conda create -n env_name python=3.9 #如 conda create -n py39 python=3.9 ,python版本可以自定义
7.激活新创建的环境(切换到新创建的环境中),使用 source activate(这是因为conda版本的原因,conda版本在4.4以下使用 source activate;conda版本在4.4及以上使用 conda activate。查看conda版本使用 conda –version 命令)
8.直接在新创建的虚拟环境中使用conda install package_name,安装需要的库即可, 注意查看当前服务器的CUDA版本,可以使用两次 source deactivate命令(或者 conda deactivate,如果conda版本是4.4及以上)退出当前新创建的anaconda环境,使用 nvcc -V 命令即可查看CUDA版本。然后根据CUDA版本下载对应支持的库即可,否则下载了也无法调用CUDA。linux环境下还是用source activate
- https://v3u.cn/a_id_189
- https://blog.csdn.net/qq_46497842/article/details/120621795?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2aggregatepagefirst_rank_ecpm_v1~rank_v31_ecpm-7-120621795.pc_agg_new_rank&utm_term=ai+studio%E5%AE%89%E8%A3%85pytorch&spm=1000.2123.3001.4430
- https://blog.csdn.net/m0_45962052/article/details/105078259
Original: https://blog.csdn.net/yhblog/article/details/121655436
Author: yhblog
Title: 百度AI studio飞浆使用pytorch训练模型
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/709093/
转载文章受原作者版权保护。转载请注明原作者出处!