yolov5笔记（1）——安装pytorch_GPU（win10+anaconda3）

之前一直对object_detection训练的模型检测速度不满意，想玩玩yolov3。没想到一拖到如今，v4v5都出来了。但还是蛮庆幸当时没碰v3，因为这个v5比起v3使用起来实在是友好太多，训练和检测速度快，精度高，模型还小，能节省好多时间。
确实牛

电脑配置

• cpu: i7-8750H
• gpu: 1060 6G
• 内存： 16G
• 操作系统：win10
• anaconda 3.x

1. 安装pytorch

1.1 创建新的环境

打开命令行输入
创建一个新环境，并激活进入环境。

# 创建了名叫pytorch的，python版本为3.8的新环境
conda create -n pytorch python=3.8
# 激活名叫pytorch的环境
activate pytorch 

1.2 下载pytorch

打开pytorch的官网https://pytorch.org/

pytorch最新版本为1.7，建议搭配yolov5 4.0；pytorch1.6建议搭配yolov5 3.0

下拉找到QUICK START LOCALLY
我个人是选择了pytorch1.6的版本、win系统、conda包、python语言、10.1的CUDA
没有gpu的cuda就选none
选完了后，在“Run this Command:”这一栏就会出现对应的命令行（图片中红色选框），复制到我们的环境中运行即可

换源

在这里应该会出现无法下载的情况，是因为用的是境外的网址，我们要通过境内的镜像网站去下载。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/# 这个下载pytorch必须要有

建议不要嫌多把上面的镜像网址都加上去，然后再用下面的命令代码确认

conda config --set show_channel_urls yes

然后修改那行下载命令

conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
# 将上面这一行代码修改为下面这一行
conda install pytorch torchvision cudatoolkit=10.1 

conda中的-c就相当于pip中的-i，都代表指定下载源，所以我们要去掉，这样才是使用我们上面添加的国内镜像源。

验证

启动python，导入pytorch库

# 启动
python
#输入库
import torch

查看pytorch的版本和gpu是否可用

#查看版本
print(torch.__version__)
#查看gpu是否可用
torch.cuda.is_available()
#返回设备gpu个数
torch.cuda.device_count()

一切正常的话，GPU版的pytorch就安装成功了

yolov5笔记（1）——安装pytorch_GPU（win10+anaconda3）
yolov5笔记（2）——训练自己的数据模型
yolov5笔记（3）——移动端部署自己的模型（小小更新）