因为毕设需要从零开始学一些深度学习知识而市面上教程大多都需要一定的基础学习过程中走了很多弯路并且容易遗忘为方便个人总结以及回顾因此将一些个人学习遇到的一些问题集中在这里避免二次踩坑(阅读部分小土堆pytorch教程和李沐动手学深度学习总结)基础环境设置凡是新开启一个教程的学习或跑一些模型都建议重新配置一个python环境否则会因为版本冲突导致以前下载的一些版本失效如cuda_isavailable()返回值为false1.anaconda中新增虚拟环境打开anaconda prompt首先是创建一个环境此处以环境名称“pytorch”为例python版本以3.8为准因为后面要基于jupyter notebook进行深度学习模型的搭建需要在该环境下运行torch而在jupyter环境中需要保证个人安装的环境涵盖ipykernel【也可以打开 anaconda powershell prompt命令方式均与windows原生cmd和powershell类似】conda create -n pytorch python3.8随后激活新建立的环境“pytorch”conda activate pytorch若要退出此环境执行下面的代码回到主系统环境baseconda deactivate若要删除某环境conda remove -n test2 --all若要查看本机下所有环境conda env list2.安装pytorch查看个人电脑GPU适合cuda版本本机适配cuda版本为11.7nvidia-smi随后在Pytorch版本选择对应cuda下的版本可以选择旧一点的版本尽量不要高于或与本机相同的版本个人选择下载11.3cuda版本conda install pytorch1.12.1 torchvision0.13.1 torchaudio0.12.1 cudatoolkit11.3 -c pytorchpytorch安装完成后可以执行以下代码查看cuda是否可以使用,若返回值为true则安装Pytorch成功python import torch torch.cuda.is_available()如果要退出python指令输入以下指令exit()3.在此环境下安装ipykernel要基于jupyter notebook进行深度学习模型的搭建需要在该环境下运行torch而在jupyter环境中需要保证个人安装的环境涵盖ipykernel之前试用了好多办法发现只有在python3.8下下面一行代码才能运行成功打开jupyter后才能看到此环境下的ipykernelconda install nb_conda尤其是该代码成功安装nb_conda在正常打开jupyter的情况下还是很有必要的查看ipkernel是否可用输入以下指令conda list4.在制定文件目录下打开jupyter notebook我们个人搭建的项目或者下载的以ipny格式的模型不一定是在c盘下打开因此需要转到对应的盘打开jupyter notebook故执行以下代码转到需要在jupyter 中打开的文件位置cd /d D:/university4/model转到该盘后再输入jupyter notebook在该文件下打开4.更改内核在浏览器中打开Jupyter后看清楚需要在什么环境下运行代码避免环境出错导致版本冲突打开jupyter文件后依次选择kernel→change kernel→选择自己需要的环境Jupyter操作代码之从头部署1.Geemap的部署安装mamba(注意要在移除镜像源的条件下安装)conda install mamba -c conda-forge安装geemap和pygismamba install geemap localtileserver -c conda-forgemamba install pygis -c conda-forge安装成功后打开jupyter notebook,进行正式配置首先导入os库随后进行两行端口代理设置import os os.environ[HTTP_PROXY] http://127.0.0.1:10809 os.environ[HTTPS_PROXY] http://127.0.0.1:10809设置好后打开科学上网进行geemap导入进行首次认证注意账号一次认证一个,输入密钥后一般会成功import geemap import ee首次————确认认证成功,成功加载OSM地图后即认证成功Mapgeemap.Map() Map之后无需再进行端口代理设置、直接输入以下两行代码认证进行初始化随后便可成功使用geemap部署成功。ee.Authenticate() ee.Initialize()conda install -c conda-forge geopandas