Win环境下配置PyTorch深度学习环境

        

目录

0.查看Nvidia驱动

1.下载torch和torchvision

2.安装torch和torchvison

3.YOLOv5环境配置

        相较于tensorflow环境配置,PyTorch的配置会更简单一些,不需要配置cuda和cuDNN,只需要安装好torch和torchvision两个库就行。

0.查看Nvidia驱动

        dos命令框下(快捷键win+r,输入cmd)输入nvidia-smi可以直接查看当前nvidia驱动下可支持的最高cuda版本,如下所示,该设备最高可支持CUDA11.4,只要CUDA不高于这个版本,安装合适的PyTorch和torchVison版本就可以了。

Win环境下配置PyTorch深度学习环境_第1张图片

1.下载torch和torchvision

        链接1:https://download.pytorch.org/whl/torch_stable.html

        该链接上包含着cpu和gpu两个版本的torch和torchvison,以yolov5的深度学习环境配置为例说明如何安装torch和torchvison。一般来说,进入yolov5项目中,按照README文件中的指示,使用pip install -r requirements.txt安装,会在安装torch时出现连接time out的错误。所以建议把requirements.txt中安装torch1.7和torchvision0.8.1的那两行注释掉,然后手动安装torch和torchvision。

        附上torch和torchvison的版本对应的链接2:pytorch/vision: Datasets, Transforms and Models specific to Computer Vision (github.com)

        先按照requirements.txt中最低的版本要求torch1.7torchvision0.8.1,从链接1中截图,由图可知,挑选出符合要求的torch版本(我选择的都是较低版本的,跑不通再换高一点的版本)。

Win环境下配置PyTorch深度学习环境_第2张图片

         同理找到符合要求的torchvision版本,cuda版本和torchvision都要和上面torch版本进行对应。

Win环境下配置PyTorch深度学习环境_第3张图片

2.安装torch和torchvison

        使用anaconda对环境进行配置和管理,其安装可以查看其他博客,这部分不难。

        1.创建虚拟环境:

        conda create -n v5_pt_1.7 python=3.7

        2.激活v5_pt_1.7环境:

        conda activate v5_pt_1.7

        3.安装torch:将下载好的torch.whl文件直接拖入到anaconda黑框内,会自动填入其绝对路径,使用pip install 命令安装,如图所示:

        pip install D:\edgeBrower\torch-1.7.0-cp37-cp37m-win_amd64.whl

Win环境下配置PyTorch深度学习环境_第4张图片

         4.安装torchvison:同3

        pip install  D:\edgeBrower\torchvision-0.8.1-cp37-cp37m-win_amd64.whl

        5.检查是否可以调用GPU:这样的话gpu暂时可以使用了

        python

        import torch

        torch.cuda.is_available()

Win环境下配置PyTorch深度学习环境_第5张图片

        或者看是否可以将数据加载到gpu中,使用以下几行代码进行测试,没有报错的话说明已经成功配置PyTorch的gpu环境了。

Win环境下配置PyTorch深度学习环境_第6张图片

 

3.YOLOv5环境配置

        使用的是pychram编辑器,在File-Settings-Project:yolov5-Python Interpreter中添加上述虚拟环境。

Win环境下配置PyTorch深度学习环境_第7张图片

         然后在pythcharm底下的terminal框(这样就不用切换地址了)中直接pip install -r requirements.txt文件,安装完后,基本就配置好了yolov5的环境了。

Win环境下配置PyTorch深度学习环境_第8张图片

4.一些版本不匹配的错误

1.cuda算力不匹配

GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation.The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_70 sm_75.

翻译:安装的PyTorch cuda10.2版本所支持的gpu算力太低(3.7,5.0等),配不上RTX3090的算力,则需要安装cuda11.1版本的PyTorch,具体可以看上面内容。

你可能感兴趣的:(深度学习环境配置,深度学习,pytorch,python)