NLP项目windows环境搭建

NLP实验环境安装 阅读详情
AI摘要

本文详细介绍了如何安装Anaconda,配置PyCharm,创建Python虚拟环境,配置JupyterNotebook,安装CUDA和cudnn,以及安装适合CUDA版本的PyTorch,确保GPU支持。

目录

一、安装Anaconda

二、安装PyCharm

三、创建Python虚拟环境

1. 打开命令窗口

2. python虚拟环境

查看当前有哪些Python虚拟环境

创建Python虚拟环境

四、配置Jupyter环境

1. 创建桌面快捷方式

2. 为jupyter配置对应的虚拟环境

3. 切换jupyter的内核

五、安装cuda

1. 查看CUDA版本

2. 安装CUDA

下载CUDA

安装CUDA

查看CUDA环境变量

3. 检验程序

六、安装cudnn

1. 下载cudnn

​编辑

2. 解压cudnn

3. 添加环境变量

4. 检验安装

​编辑

七、安装GUA版本的pytorch

1. 查看python版本

2. 下载torch库

3. 下载torchvision库

4. 下载torchaudio库

5. 安装pytorch

6. 检验安装


一、安装Anaconda

Free Download | Anaconda

二、安装PyCharm

PyCharm:JetBrains为专业开发者提供的Python IDE

三、创建Python虚拟环境

1. 打开命令窗口

"开始"菜单中找到Anaconda3 - Anaconda Powershell Prompt

说明:

Anaconda Powershell Prompt: 模拟Linux命令进行操作

Anaconda Prompt: 使用windows系统的Dos命令操作文件系统

2. python虚拟环境

查看当前有哪些Python虚拟环境

(base) PS E:\安装包\python环境> conda env list
# conda environments:
#
base                  *  F:\program\anaconda3

创建Python虚拟环境

注意!创建虚拟环境时,最好指定python版本,否则只在后面加入python,就会创建最新的python版本,但是最新版本python很多库无法安装。

(base) PS E:\安装包\python环境> conda env list
# conda environments:
#
base                  *  F:\program\anaconda3
mytest                   F:\program\anaconda3\envs\mytest

(base) PS E:\安装包\python环境> conda create -n nlp python=3.9
Collecting package metadata (current_repodata.json): done
Solving environment: done


==> WARNING: A newer version of conda exists. <==
  current version: 22.9.0
  latest version: 23.9.0

Please update conda by running

... 省略

Retrieving notices: ...working... done

查看是否创建成功

(base) PS E:\安装包\python环境> conda env list
# conda environments:
#
base                  *  F:\program\anaconda3
nlp                      F:\program\anaconda3\envs\nlp

使用创建的虚拟环境

(base) PS E:\安装包\python环境> conda activate nlp
(nlp) PS E:\安装包\python环境>

退出创建的虚拟环境

(nlp) PS E:\安装包\python环境> conda deactivate nlp
(base) PS E:\安装包\python环境>

四、配置Jupyter环境

1. 创建桌面快捷方式

将快捷图标复制到桌面,同时右击图标—属性,修改目标(T)中的内容,.py路径不删除,最后的改成自己的目标路径

:\program\anaconda3\python.exe F:\program\anaconda3\cwp.py F:\program\anaconda3 F:\program\anaconda3\python.exe F:\program\anaconda3\Scripts\jupyter-notebook-script.py 你的目标路径

2. 为jupyter配置对应的虚拟环境

进入对应的虚拟环境,安装ipykernel。

pip命令后面接了一个-i https:...命令,这表示通过指定的网站下载ipykernel。pip默认是国外的网址,下载可能比较慢。

(base) PS C:\Windows\system32> conda activate nlp
(nlp) PS C:\Windows\system32> pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple

将当前的虚拟环境映射成jupyter的内核。

--name=nlp表示将当前虚拟环境映射成jupyter的内核时,内核名为nlp

(nlp) PS C:\Windows\system32> python -m ipykernel install --user --name=nlp
Installed kernelspec nlp in C:\Users\95786\AppData\Roaming\jupyter\kernels\nlp

3. 切换jupyter的内核

重启jupyter,进入代码文件中:Kernel - Change kernel - 你的内核名

五、安装cuda

安装pytorch时,需要实现安装好cuda环境。

只需要知道CUDA版本,就能知道pytorch能安装什么版本了。

1. 查看CUDA版本

2. 安装CUDA

下载CUDA

当前版本是11.4,去官网获取CUDA Toolkit 官网

选一个最新的11.4.4版本的CUDA Toolkit工具包

安装CUDA

选择自定义

可以去掉一些用不到的组件,这里默认全选

记住下面地址,后续需要添加环境变量的话,将以下三个地址加入到PATH环境变量里。

查看CUDA环境变量

安装完毕后,可以看到,已经自动添加环境变量了。

3. 检验程序

C:\Users\LMeng>nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Mon_Oct_11_22:11:21_Pacific_Daylight_Time_2021
Cuda compilation tools, release 11.4, V11.4.152
Build cuda_11.4.r11.4/compiler.30521435_0

六、安装cudnn

1. 下载cudnn

需要注册NVIDIA账户:cuDNN Archive | NVIDIA Developericon-default.png?t=N7T8https://developer.nvidia.com/rdp/cudnn-archive

无需注册:cuDNN Archive | NVIDIA Developericon-default.png?t=N7T8https://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b

因为是CUDA 11.4版本,所以这里选择了cuDNN v8.2.4

2. 解压cudnn

下载完毕后,是zip压缩包

解压后,进入压缩包,将下面所有文件复制到,刚才安装的CUDA路径下,默认cuda路径:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4

3. 添加环境变量

4. 检验安装

进入到目录:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\extras\demo_suite

打开命令窗口,运行下面两个exe程序:banwidthTest.exe, deviceQuery.exe

结果Result = PASS即安装成功

七、安装GUA版本的pytorch

1. 查看python版本

首先激活虚拟环境,查看python版本:

当前的python版本是3.9

接下来下载本地whl文件,方便创建其他虚拟机时候快速安装pytorch环境。

2. 下载torch库

在网址中,进入torch目录,或者进入:download.pytorch.org/whl/torch/

因为安装的CUDA是11.4版本,所以在列表中搜素cu114,但是搜不到对应版本,接着搜cu113,可以看到有很多对应的torch。

我的Python是3.9版本的,对应的是cp39,故而要下torch-xxx+cu113-cp39-cp39-win_amd64.whl的文件。

这里选择最新的1.12.1版本的torch下载。

3. 下载torchvision库

进入网址:download.pytorch.org/whl/torchvision

根据上述找版本的规则,直接搜cu113-cp39,下载最新的0.13.1版本的torchvision。

4. 下载torchaudio库

进入网址:download.pytorch.org/whl/torchaudio

下载torchaudio-0.12.1版本

5. 安装pytorch

激活虚拟环境,然后进入到下载的目录中

6. 检验安装

import torch
import torchvision
# 确认PyTorch版本号
print("PyTorch Version: ", torch.__version__)
print("Torchvision Version: ", torchvision.__version__)

NLP 自然语言处理的开发环境搭建 面试难免让人焦虑不安。经历过的人都懂的。但是如果你提前预测面试官要问你的问题并想出得体的回答方式,就会容易很多。此外,都说“面试造火箭,工作拧螺丝”,那对于准备面试的朋友,你只需懂一个字:刷!给我刷刷刷刷,使劲儿刷刷刷刷刷!今天既是来谈面试的,那就必须得来整点面试真题,这不花了我整28天,做了份“Java一线大厂高岗面试题解析合集:JAVA基础-中级-高级面试+SSM框架+分布式+性能调优+微服务+并发编程+网络+设计模式+数据结构与算法等” 阅读详情

相关推荐

5分钟搞定!用Potato搭建你的第一个文本标注项目(附中文界面配置)

本文详细介绍了如何使用开源文本标注工具Potato快速搭建专属标注平台。通过清晰的步骤指南,从环境配置、核心YAML文件解析到界面汉化与高级定制,帮助用户5分钟内启动首个中文文本标注项目,极大降低了NLP数据标注的技术门槛与时间成本。

weixin_29254673的博客 246

从头开始搭建一套NLP开发环境

这篇文章记录一下搭建一套NLP开发工具的流程。 我们将使用python作为我们的开发语言,原因很简单:通用、易于设置、提供了很多的计算库,包括从深度学习到概率推理,再到数据可视化等等的各个领域; 我们将使用Anaconda 来设置python: 1.安装anaconda: 官网地址:前往下载,页面底端有anaconda的下载链接,请注意选择适当的python版本 下载完成直接点击安装 安装完成后进入客户端,我们会发现已经替我们集成了很多工具,比如说常用的Jupyter Notebook等,我们也

m0_37876503的博客 3128

入坑NLP - 自然语言处理领域概述

自然语言处理研究的内容包括但不限于如下分支:文本分类、信息抽取、自动摘要、智能问答、话题推荐、机器翻译、主题词识别、知识库构建、深度文本表示、命名实体识别、文本生成、文本分析(词法、句法、语法)、语音识别与合成等。并对一些分支领域进行了详细介绍。

zzwwsun 2万+

某nlp模型训练实验环境配置(Pytorch安装)

某nlp模型训练环境配置(主要是Pytorch安装)

jibinquan的博客 969

Jupyter Notebook + Python虚拟环境:NLP关键词提取环境搭建实战

在Python项目开发中,依赖冲突和环境混乱是常见痛点,尤其对于NLP和文本挖掘任务。通过venv虚拟环境实现项目依赖隔离,结合Jupyter Notebook的交互式编程特性,能高效完成分词、TF-IDF权重计算等关键词提取实验。虚拟环境为每个项目提供独立的Python解释器和包管理空间,避免包版本污染;Notebook支持逐步查看中间结果,适合调试和迭代。这一方案覆盖从环境初始化、依赖安装、内核注册到批量处理与接口封装的完整链路,适用于自然语言处理入门、文本数据分析以及多项目管理场景。掌握这套环境搭建方

weixin_34348174的博客 399

从环境配置到模型部署:NLP训练平台搭建全流程

本文旨在为初学者和有经验的开发者提供一个全面的NLP训练平台搭建指南。我们将从基础环境配置开始,逐步深入到模型训练和部署的各个环节,最终实现一个可投入生产环境的NLP系统。核心概念与联系:介绍NLP平台的关键组件环境配置:搭建开发和生产环境数据处理:准备和预处理NLP数据集模型训练:使用深度学习框架训练NLP模型评估优化:模型性能评估和调优技巧模型部署:将训练好的模型投入生产环境实际应用案例:展示完整流程的实现NLP:自然语言处理,让计算机理解、解释和生成人类语言的技术。

AI 领航者的博客 1051

dotnet9x自然语言处理:文本分析在Windows 9x的应用

你是否还在使用Windows 9x系统处理文本数据?是否曾因为缺乏现代NLP(Natural Language Processing,自然语言处理)工具而苦恼?dotnet9x项目为这一经典操作系统带来了.NET Framework 2.0-3.5的支持,让文本分析技术在这片"古老"的土地上焕发新生。 通过本文,你将掌握: - dotnet9x环境下文本处理的基础配置 - 基于正则表达式的文本分...

gitblog_00475的博客 1081

64、自然语言处理开发环境搭建与Python基础入门

本文详细介绍了自然语言处理(NLP)开发环境的搭建方法,涵盖Windows系统下的git-for-windows安装、Chocolatey包管理器使用,以及虚拟机和Docker容器的配置。同时,深入讲解了Python的基础知识,包括字符串处理、字典、正则表达式等在NLP中的应用,并结合代码示例展示其实际用途。文章还分析了常见数据结构的性能差异,并提供了一些实用的NLP开发技巧,帮助读者从环境搭建到编程实践全面掌握NLP开发的基础内容。

palm99的专栏 78

RexUniNLU中文NLP系统保姆级教程:Windows WSL2环境下GPU加速部署

本文介绍了如何在星图GPU平台上自动化部署中文NLP综合分析系统 (RexUniNLU零样本通用自然语言理解) 镜像。该平台简化了部署流程,用户可快速搭建一个能处理多种任务的统一NLP系统,例如,轻松完成从新闻文本中自动抽取事件、实体和情感等信息的典型应用。

weixin_26907223的博客 105

基于Python的NLP应用开发:源码设计与工程实践

自然语言处理(NLP)技术的落地,离不开工程化的源码设计。一个可复用的NLP应用,需要清晰的数据管道、模型封装与接口层,而非简单的算法脚本。本文从文本分类、情感分析等常见场景出发,解析TF-IDF与逻辑回归、BERT微调等模型方案的选型逻辑,并结合FastAPI接口封装与实战避坑,梳理一套基于Python的NLP应用程序源码架构。无论是课程设计还是企业内部工具,都能从中获得可复现、可扩展的实现思路。

weixin_27872611的博客 152

【BAAS】基于supabase的知识库详细设计

为满足快速开发需要和减少开发及维护成本,使用BAAS(Backend-as-a-Service)模式可以很好的降低我们的后端维护成本,并提高前端对接效率。一般来说,BAAS是一种云服务模式,BaaS供应商会为提供一些通用的能力,例如用户身份验证、数据库管理、远程更新和推送通知(针对移动应用程序),以及云存储和自托管。BaaS最主流的是Google的firebase,具有相当完善的功能和集成方案,但他是收费的,而且在我们实际项目中,可能需要私有化部署,这时就需要一些开源的替代方案,例如主流的。

Ric的博客 1782

Linux/Windows下Anaconda+深度学习框架安装指南

详细讲解在Linux和Windows系统中安装Anaconda、PaddlePaddle、PyTorch、TensorFlow等深度学习框架的完整流程,涵盖CUDA、cuDNN配置、多版本切换及常见问题解决方案,适合GPU与CPU环境部署。

weixin_42588877的博客 1055

转义序列字符(\0,\n,\r,\t,\v,\a,\f,\b,\\,\‘,\“,\?)详解,转义字符对应的全称,输出结果和对应的ASCII码值详解;

转义序列字符(\0,\n,\r,\t,\v,\a,\f,\b,\\,\',\",\?)详解,转义字符对应的全称,输出结果和对应的ASCII码值详解;

南城花开过的博客 3万+

Intv_ai_mk11 开发环境配置保姆级教程:从零安装Python与JDK

本文介绍了如何在星图GPU平台上自动化部署intv_ai_mk11 AI 对话机器人镜像,快速搭建AI开发环境。该镜像支持Python与JDK双环境配置,适用于智能客服、对话系统开发等场景,帮助开发者高效实现自然语言处理应用的部署与测试。

weixin_30838971的博客 346

FICO F.27 Customer statement 打印

需求,定制化打印,替换标准的F.27打印 类似于采购订单的打印,但是略有不同,查阅资料之后步骤如下: T-code F.27 is SAP standard program to produce customer/vendor correspondence (letter). Correspondence Type is used to specify the related printing program and form for the particular correspondence. SAP

IamRunjiang的博客 1971

第8.1节 满足构网要求的功率器件与散热设计

摘要: 构网型变流器的功率器件选型与散热设计面临严苛要求,需综合考虑过载能力、暂态应力与可靠性。IGBT模块选型需重点评估电压/电流等级、损耗特性及结温波动,而SiC MOSFET虽具有高频低损耗优势,但面临栅极可靠性等挑战。散热设计需采用液冷等先进技术控制结温波动,并通过电热应力仿真和寿命预测实现可靠性优化。系统化选型流程需结合规范要求、工况谱分析和实测验证,为构网型变流器提供坚实的物理基础。

技术工作者 915

天池大赛中药说明书实体识别挑战冠军方案开源(二)部署运行实战 附详细操作说明

人工智能在中医药领域的传承创新发展中发挥了重要作用,其中,中医药文本的信息抽取是构建中医药知识图谱的核心组成部分。这对于构建上层应用,例如临床辅助诊疗系统(CDSS)等提供了基础。本次命名实体识别(NER)挑战的目标是从中药药品说明书中提取关键信息,包括药品、药物成分、疾病、症状、证候等13类实体,以构建中医药药品知识库。

小胡说人工智能的博客 2096

C++ Qt6 qml CMakeLists.txt如何添加qrc文件

本文介绍了在Qt6项目中如何通过CMake管理QML图片资源。相比Qt5的qmake,CMake需要手动创建qrc文件并配置CMakeLists.txt。关键步骤包括:1)创建resources.qrc文件并添加图片资源;2)在CMakeLists.txt中设置CMAKE_AUTORCC为ON开启自动资源处理;3)使用qt_add_resources将qrc文件绑定到项目。配置完成后,可通过"qrc:alias"方式引用资源图片,解决了相对路径管理复杂的问题。

琅嬛福地 1455

NLP学习环境搭建第一版(基于VM Workstation下的无显卡的Windows10)

本文介绍了在VM Workstation虚拟机下搭建无显卡Windows 10系统的NLP学习环境方案。主要内容包括:1)环境特点与资源分配建议(8-12GB内存、4-6核CPU);2)Windows基础配置,通过Chocolatey安装Git、VSCode、Python等工具;3)Python环境搭建,创建虚拟环境并安装CPU版PyTorch及相关NLP库;4)详细的操作步骤截图说明。该方案针对虚拟机环境优化,适合NLP学习初期使用CPU进行小规模模型训练和实验。

DevExpress Xaf 学习专栏 508

uniapp - 使用web-view加载本地网页vue页面,用webview导入本地网页,uniAPP中使用web-view加载的本地及远程vue页面+双向通讯功能(兼容微信小程序、安卓苹果APP)

uniapp的App端web-view加载本地html,uniapp微信小程序webview加载本地HTML文件,在uniAPP中使用web-view加载的本地及远程vue页面且进行双向通讯,uni-app的web-view组件,支持加载远程网页,在app环境下,还支持加载本地HTML页面。uniapp WebView组件实现本地网页加载与通讯传值,uniAPP如何内嵌webView引入本地的vue网页示例代码,uniapp在web-view加载的本地及远程HTML中调用uni的API及网页和vue页面跳转

🏆 前端领域优质创作者 5227

点云语义分割:PointNet训练S3DIS数据集

文章目录一、数据准备1.1、数据下载二、训练三、测试 项目地址:pointnet 此次我们是用pointnet网络来做语义分割。代码在pointnet项目中的sem_seg文件夹下,里面也有README.md介绍了训练的过程。 一、数据准备 1.1、数据下载 原始数据下载 处理好的h5格式数据下载 二、训练 三、测试 ...

zhaoguanhua的博客 4177

NLP第三阶段学习 NLP项目实战(Windows纯CPU版)

2.目录结构 nlp_project/ ├── data/ │ ├── raw/ # 原始数据 │ ├── processed/ # 处理后数据 │ └── labeled/ # 标注数据 ├── models/ │ ├── pretrained/ # 预训练模型 │ └── fine_tuned/ # 微调模型 ├── src/ │ ├──

DevExpress Xaf 学习专栏 517

Trae辅助开发完全教程:从入门到企业级实战

《Trae AI IDE完全教程》系统介绍了这款AI驱动的下一代集成开发环境。教程从基础入门到实战应用,详细讲解了Trae的双重开发模式(IDE/SOLO)、智能编程助手CUE、行内对话、模型管理等核心功能。内容包括环境配置、项目创建、Python开发示例,以及RPC框架和iOS应用两个实战案例。Trae通过深度整合AI技术,显著提升编码效率,支持多种编程语言和主流模型,适合从新手到企业级开发者的不同需求。本教程帮助开发者快速掌握Trae的使用技巧,实现AI辅助下的高效编程。

MrLi的博客 764

2025超详细|斯坦福CS224u(NLP)环境搭建从0到1完美指南

> 本文将解决斯坦福CS224u课程环境搭建中99%的痛点: > ✅ 3大系统适配(Windows/macOS/Linux) > ✅ GPU/CPU双路径安装方案 > ✅ 依赖冲突一键解决 > ✅ Jupyter内核配置终极方案 > ✅ 5分钟验证安装完整性 读完本文,你将获得可直接复用的环境配置脚本、常见错误解决方案,以及与课程完全同步的开发环境,让你专注于NLP核心技

gitblog_00073的博客 1402

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

Python自然语言处理01-Windows利用Python搭建NLTK环境

第一步.确认已配置好Python安装环境 如何确认? 在command窗口里输入python即可: 如上图,我使用的python版本是3.7.4 如果你的电脑没有安装python,请安好并确认后进入第二步 第二步 下载pip pip 是 Python 包管理工具,该工具提供了对Python 包的查找、下载、安装、卸载的功能。 目前如果你在 python.org 下载最新版本的安装包,则是已经自...

Xiao_Spring的博客 572

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

本机windows搭建达摩院与高德联合出品的地理地址自然语言处理模型MGeo实战

MGeo提炼了常用的地址处理任务并建立了地理语义理解能力评测基准GeoGLUE,使用MGeo底座在GeoGLUE中提供的任务数据集上进行了训练。地址信息处理是对地址相关文本的自动化挖掘、理解与关联。这项技术广泛地应用在社会生活的各个场景之中。例如我们常用的地图软件中就用到了大量的地址信息处理技术来构建POI库,实现POI搜索与推荐;在外卖物流行业中,对于地址的解析、定位准确率的提升则直接带来运力成本的大量降低;

North_D的博客 2633
上一篇: linux系统之Centos7 本地源配置+静态IP配置
梦醒时候
博客等级 码龄9年 62粉丝 20原创
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值