ubuntu,windows系统GPU深度学习pytorch环境安装,按照项目requirement.txt安装(以yolov5为例,驱动,cuda各版本对照避免错误),一篇文章讲清楚种种关系

  • 本教程面向人群
  • 明确步骤流程
  • 1. 安装anaconda(换源)
    • Windows版本
    • Ubuntu版本
    • 换源
  • 2. 安装pycharm
  • 3. 判断显卡驱动
    • Windows系统
    • Ubuntu系统
  • 4. 搜索项目要求的python,pytorch,torchvision版本
  • 5. conda虚拟环境创建
  • 6. 迅雷下载torch等whl包文件进行离线pip安装
  • 7. pip安装requirement文件
  • 8. 使用pycharm加载对应的conda虚拟环境

本教程面向人群

  • 面对网上种种安装教程,无法判断哪个是最适合自己机器的安装教程
  • 由于在pytorch官网下载速度慢,每次无法正常使用pip,conda语句安装GPU版本的pytorch
  • 对conda和pip换源后,下载的pytorch版本不是GPU版本,即采用torch.cuda.is_available()语句为False
  • 根据目标项目定制下载pytorch版本
  • 实验室电脑需要管理不同学生的项目代码,因此需要创建多个conda虚拟环境不受影响

明确步骤流程

  1. 安装anaconda(换源)
  2. 安装pycharm(若选用其他ide可忽略此步骤)
  3. 判断显卡驱动
  4. 搜索项目要求的python,pytorch,torchvision版本
  5. conda虚拟环境创建
  6. 使用迅雷离线下载whl文件
  7. pip安装requirement文件
  8. 使用pycharm加载对应的conda虚拟环境

关于cuda和cudnn:GPU版本的pytorch现在在安装时会自带CUDA和cudnn,不需要在外部安装

1. 安装anaconda(换源)

anaconda官网下载

Windows版本

  • 下载完成后开始安装,最好安装到非c盘,因为后续环境会下载很多安装包
  • 同时安装时,注意把anaconda添加进入环境变量,如下图所示
    ubuntu,windows系统GPU深度学习pytorch环境安装,按照项目requirement.txt安装(以yolov5为例,驱动,cuda各版本对照避免错误),一篇文章讲清楚种种关系_第1张图片

Ubuntu版本

下载后打开终端
ubuntu,windows系统GPU深度学习pytorch环境安装,按照项目requirement.txt安装(以yolov5为例,驱动,cuda各版本对照避免错误),一篇文章讲清楚种种关系_第2张图片
使用下面语句对应名称安装即可,运行下面语句时,若不动,需要一直按回车,直到出现yes/no,输入yes,并按回车键继续安装

bash Anaconda3-2021.11-Linux-x86_64.sh

换源

换源操作对各系统都一样,这里换源把conda以及pip都换掉(根据个人习惯,有些人喜欢用pip安装包),加快一些常用包的下载速度

conda换源

//这里仅列举换成清华源,国内源有很多,选一个就好
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/

//设置搜索时显示通道地址,报错时可以区分哪些包在源里没有或存在问题
conda config --set show_channel_urls yes

//查看现有源
conda config --show channels 

//还原最开始的源
conda config --remove-key channels

pip换源

// 永久设置
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

// 删除永久设置
pip config unset global.index-url

// 临时设置,some-package为下载的库
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

2. 安装pycharm

pycharm官网下载

  • 打开网页后根据自身是windows还是Ubuntu(linux)系统进行选择并下载,选择社区版进行下载(免费,功能够用)
    ubuntu,windows系统GPU深度学习pytorch环境安装,按照项目requirement.txt安装(以yolov5为例,驱动,cuda各版本对照避免错误),一篇文章讲清楚种种关系_第3张图片
  • Windows下载后直接安装即可,安装非c盘,Windows版本安装完成即可到第三步
  • Ubuntu下载后解压,并使用Ctrl+AIt+T打开终端通过输入sh 解压目录/bin/pycharm.sh打开pycharm,并将其添加进入桌面窗口,方便使用
    ubuntu,windows系统GPU深度学习pytorch环境安装,按照项目requirement.txt安装(以yolov5为例,驱动,cuda各版本对照避免错误),一篇文章讲清楚种种关系_第4张图片

3. 判断显卡驱动

Windows系统

打开右下角NVIDIA设置,进入NVIDIA控制面板
ubuntu,windows系统GPU深度学习pytorch环境安装,按照项目requirement.txt安装(以yolov5为例,驱动,cuda各版本对照避免错误),一篇文章讲清楚种种关系_第5张图片
如果可以打开,并显示了版本号,则说明显卡驱动已经安装完成,如果打不开或者无法显示则需要安装显卡驱动。

进入NVIDIA官网下载最新版官方 GeForce 驱动程序,查找适合你显卡的驱动版本并进行下载

Ubuntu系统

  • 软件和更新->ubuntu软件->选择设备的专有驱动
    ubuntu,windows系统GPU深度学习pytorch环境安装,按照项目requirement.txt安装(以yolov5为例,驱动,cuda各版本对照避免错误),一篇文章讲清楚种种关系_第6张图片

  • 软件和更新->附加驱动 选择专有驱动,版本越高越好,因为版本都是往下兼容的

  • 终端输入:nvidia-smi,可看到显卡相关信息

4. 搜索项目要求的python,pytorch,torchvision版本

由于python版本和pytorch和torchvision和cuda有对应的关系,需要明确项目使用上面版本进行下一步的conda虚拟环境的创建
这里使用当今最火爆的yolov5项目的requirement,作为示例,如下图所示,所要求的pytorch版本为python>=3.7.0 torch>=1.7.0 torchvision>=0.8.1
ubuntu,windows系统GPU深度学习pytorch环境安装,按照项目requirement.txt安装(以yolov5为例,驱动,cuda各版本对照避免错误),一篇文章讲清楚种种关系_第7张图片
ubuntu,windows系统GPU深度学习pytorch环境安装,按照项目requirement.txt安装(以yolov5为例,驱动,cuda各版本对照避免错误),一篇文章讲清楚种种关系_第8张图片

5. conda虚拟环境创建

conda虚拟环境好处:

  • 能够方便我们进行不同项目的管理,不同项目可能使用的库的版本号有所不同,需要创建不同的虚拟环境将其分离
  • 在实验室机器上,不同同学使用的代码环境有所不同,使用虚拟环境能够互不干扰

打开Anaconda Prompt软件

//创建名为yolov5的环境,由于第4步中我们知道yolov5 python版本需大于等于3.7
conda create --name yolov5 python=3.7

//使用如下命令即可激活创建的虚拟环境
conda activate yolov5

其他常用conda语句

//查看当前存在哪些虚拟环境
conda env list 

//退出当前环境
conda deactivate

//当前环境安装的包
conda list

//删除某个环境
conda remove -n your_env --all

//复制某个环境
conda create --name new_env --clone old_env

6. 迅雷下载torch等whl包文件进行离线pip安装

在第4步中我们知道了pytorch以及torchvision的版本要求,根据torch,torchvison,python兼容性对照表,我们下载这里选择torch=1.7.0 torchvision=0.8.1进行安装,下载地址,打开下载地址后如下图所示
ubuntu,windows系统GPU深度学习pytorch环境安装,按照项目requirement.txt安装(以yolov5为例,驱动,cuda各版本对照避免错误),一篇文章讲清楚种种关系_第9张图片

标黄的字体中其含义如下

  • torch-1.7.0:表示 torch版本为:1.7.0
  • cu110:支持的cuda(GPU)版本为:11.0,通过在终端输入nvidia-smi可知道电脑最高支持的cuda版本(cuda向下兼容),如果不满足,需要下载高版本的显卡驱动
  • cp37:指的是anaconda中的python版本为python37
  • win_amd64:用于64位windows系统
  • linux_x86_64:适用于Ubuntu系统

用着一样的方法ctrl+F搜索找到对应的torchvision版本为0.8.1,并用迅雷下载

下载完毕后进入第五步创建的conda虚拟环境yolov5中输入以下命令

pip install torch存放位置/torch名称.whl
pip install torchvision存放位置/torch名称.whl

//安装完毕后进行测试
python
import torch
torch.cuda.is_available()
//显示为Ture则能够正常使用GPU运行

7. pip安装requirement文件

接下来就下载yolov5的其他包,首先将yolov5克隆到本地而后用pip安装

git clone https://github.com/ultralytics/yolov5  # clone
cd yolov5
pip install -r requirements.txt  # install

在使用windows系统安装yolov5中会显示缺乏Visual C++ 14.0,这里有解决方法

8. 使用pycharm加载对应的conda虚拟环境

打开pycharm后按如下步骤进行
ubuntu,windows系统GPU深度学习pytorch环境安装,按照项目requirement.txt安装(以yolov5为例,驱动,cuda各版本对照避免错误),一篇文章讲清楚种种关系_第10张图片
ubuntu,windows系统GPU深度学习pytorch环境安装,按照项目requirement.txt安装(以yolov5为例,驱动,cuda各版本对照避免错误),一篇文章讲清楚种种关系_第11张图片
ubuntu,windows系统GPU深度学习pytorch环境安装,按照项目requirement.txt安装(以yolov5为例,驱动,cuda各版本对照避免错误),一篇文章讲清楚种种关系_第12张图片

结束语:搭建环境是进行深度学习探索的第一步,希望大家通过本文能够快速搭建自身的虚拟环境,有不懂的可以留言,这是我搭配过无数次总结出来的经验教训

你可能感兴趣的:(深度学习环境安装,linux环境安装,深度学习,pytorch,ubuntu,windows,目标检测)