深度学习框架
超连云平台使用的镜像都是建立在ubantu22.04版本上的，并且所有的深度学习框架都是基于Miniconda环境下搭建的，以下是FunHPC平台提供的深度学习框架及其版本信息。



框架
框架版本
python版本
CUDA版本


Pytorch
2.3.0
3.10
12.1


Pytorch
2.3.0
3.10
11.8


Pytorch
2.2.1
3.10
12.1


Pytorch
2.2.0
3.10
12.1


Pytorch
2.2.0
3.10
11.8


Pytorch
2.1.2
3.10
12.1


Pytorch
2.1.1
3.10
12.1


Pytorch
2.1.0
3.10
12.1


Pytorch
2.0.1
3.10
11.8


Pytorch
1.13.0
3.10
11.7


Pytorch
1.12.0
3.8
11.6


Pytorch
1.11.0
3.8
11.3


Pytorch
1.11.0
3.8
11.3


Pytorch
1.9.0
3.8
11.1


Pytorch
1.8.0
3.8
11.1


Pytorch
1.7.0
3.8
11.0


Tensorflow
2.16.1
3.10
12.2


Tensorflow
2.14.1
3.10
11.8


Tensorflow
2.10.0
3.10
11.2


Tensorflow
2.9.0
3.10
11.2


Tensorflow
2.8.0
3.8
11.2




其中Tensorflow镜像中装有对应cuda版本的cudnn。

这里，要特别说明一下，为避免冲突问题，用户在选择镜像的时候，尽量选择框架比较新的镜像。在我们所有镜像框架里，FunHPC已经内置好了一些必要的库，以帮助用户获得更好的使用体验。
这里库有：matplotlib numpy xgboost lightgbm opencv-python pillow scikit-learn pandas openpyxl h5py scipy tqdm seaborn grip jieba wordcloud gensim requests selenium beautifulsoup4 lxml
安装其它python版本
 
FunHPC平台提供的镜像都是基于python3.8及以上版本的，如何您需要在特定版本python下运行，您需要使用Miniconda创建虚拟环境。这里以安装python3.7为例，创建虚拟环境。

# 构建一个虚拟环境名为user_env,python版本为3.7

conda create -n user_env python=3.7
# 激活虚拟环境
conda activate user_env
# 查看虚拟环境列表
conda env list
# 退出当前环境到base环境
conda deactivate    
# 清除user_env环境

conda remove -n user_env --all  
安装其它框架版本
FunHPC平台提供的Pytorch镜像都是基于cuda11.1版本及其以上，且Pytorch版本在1.8.1以上，如需安装其他版本的Pytorch，请参考以下步骤。

#这里以安装Pytorch1.10.0为例，安装详细参考torch官网(建议使用pip安装)

conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3 -c pytorch -c conda-forge
# 或者用pip安装

pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html
同时FunHPC平台提供tensorflow2.13.0等版本，如需安装其他版本的tensorflow，请参考以下步骤。

# TensorFlow: 参考https://www.tensorflow.org/install/pip官网。例如：

https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-2.15.0-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
用户也可以在自己创建后的镜像里面，重新新建环境，搭建深度学习框架，至于cuda，FunHPC平台已经提供，用户只需要安装对应版本的深度学习框架即可。
安装依赖

# 使用pip安装

pip install numpy
# 使用conda
conda install numpy
#建议能用pip安装的库，就用pip安装。
# 也可以指定版本，这里在指定版本的时候，一定注意和深度学习框架冲突问题

pip install package==version
pip 源
在没有配置第三方库的时候，使用pip或者conda安装包的时候，由于服务器在国外，下载速度会很慢，因此，大多数情况下会选择国内的镜像源网址来提升安装第三方库的速度。
 
临时换源：

#下载命令:pip install package -i https://mirrors.aliyun.com/pypi/simple/

 
永久换源：
<div class="CodeMirror-activeline" style="box-sizing: border-box; color: #333333; font-family: 'Lucida Console', Consolas, Courier, monospace; font-size: 14.4px; backgr