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。

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torch1.7和torchvision0.8.1，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）。

         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。

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

         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()

        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。

 

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。

         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。

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。