文章目录
- 更改内核解决no module name "torch"
- 另一个原因可能是没在pytorch那个虚拟环境中安装jupyter
- 从虚拟环境进入jupyter notebook
- 进入虚拟环境与退出
更改内核解决no module name “torch”
网上试了很多方法,发现都不行,最后,我更改了内核,发现,居然可以import 了!!!我是换成了Python3(ipykernel)或Python3(vanilla)就可以了,你们可以都试一遍。
文章图片
这里会显示jupyter notebook使用的内核
文章图片
另一个原因可能是没在pytorch那个虚拟环境中安装jupyter 还有就是最好自己给pytorch单独配一个虚拟环境。
另外,stack overflow上别人提的解决方案,说原因是可能没在pytorch的那个环境里安装jupyter
You have to install jupyter in addition to pytorch inside your activated conda env.1.为pytorch单独创建虚拟环境 :
(base) C:\Users\Eiffel>conda create -n env_pytorch pytorch=3.9
此处我的python版本为3.9,虚拟环境的名字可以随便起,当然要能记住,我的是env_pytorch,直接pytorch也行,我tensorflow就是这样的
2.激活pytorch的虚拟环境 :
(base) C:\Users\Eiffel>conda activate env_pytorch
activate后面加的是自己的虚拟环境名称
3.进入了虚拟环境后,去pytorch官网找命令,红框圈出来的是gpu版本的,自己看对应的gpu版本,cpu版本选那个cpu版本的,此处我的cuda的版本为11.4,所以我是输入如下命令
(env_pytorch) C:\Users\Eiffel>conda install pytorch torchvision torchaudio cudatoolkit=11.4
注意:此处要去掉 -c pytorch,不然会默认从pytorch官网下载包,会很慢,去掉就可以从你的镜像网站上下载包。镜像网站有清华源、中科大的等等。
查看cuda版本 : https://blog.csdn.net/qq_38295511/article/details/89223169
文章图片
4.在虚拟环境中安装jupyter notebook
(env_pytorch) C:\Users\Eiffel>conda install jupyter
5.用
conda list
验证是否安装了(env_pytorch) C:\Users\Eiffel>conda list
文章图片
6.在虚拟环境下运行jupyter notebook
(env_pytorch) C:\Users\Eiffel>jupyter notebook
如果还没成功的话,试试
conda install mkl=2018
和conda update conda
(env_pytorch) C:\Users\Eiffel>conda install mkl=2018
(env_pytorch) C:\Users\Eiffel>conda update conda
从虚拟环境进入jupyter notebook 之后要从安装的虚拟环境进入
jupyter notebook
的话,打开Anaconda Prompt
,进入你想要打开的文件所在路径,再激活pytorch
的虚拟环境,运行jupyter notebook
即可。(base) C:\Users\Eiffel>e:
(base) E:\>cd E:\MathModeling\mathorcup\2021年MathorCup大数据竞赛赛道A\附件
(base) E:\MathModeling\mathorcup\2021年MathorCup大数据竞赛赛道A\附件>activate env_pytorch
(env_pytorch) E:\MathModeling\mathorcup\2021年MathorCup大数据竞赛赛道A\附件>jupyter notebook
进入虚拟环境与退出 【深度学习|在cmd中可以import torch在jupyter notebook却no module name “torch“】我的
pytorch
的虚拟环境叫env_pytorch
,进入虚拟环境用命令activate env_pytorch
,退出虚拟环境则用conda deactivate
推荐阅读
- 深度学习|Tensorflow2.x 用Lenet神经网络训练 fashion_mnist数据集 并预测。
- 深度学习|在Android上部署TF目标检测模型
- pytorch学习笔记|pytorch-resnet34残差网络理解
- PyTorch|PyTorch: hook机制
- 动手学习深度学习|《动手学深度学习》Task04(机器翻译及相关技术+注意力机制与Seq2seq模型+Transformer)
- 机器学习|残差块及ResNet残差网络
- 深度学习|基于深度学习的视觉三维重建研究总结2进阶
- pytorch|Pytorch全连接层神经网络(基于MNIST数据集的手写数字识别)
- 深度学习|草图转换网络(SketchyGAN 和 style2paints)