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。
Win环境下配置PyTorch深度学习环境相关推荐
- Win10配置pytorch深度学习环境
一.Win10配置pytorch深度学习环境 有一台装win10系统的电脑有两张显卡,所以尝试在win10上装环境了,之前在Ubuntu上安装过深度学习环境,相比起来还是Ubuntu的命令行配环境更方 ...
- RTX4070ti-40系列显卡配置pytorch深度学习环境过程
这几天新配的4070需要安装深度学习环境,开始为了图简便把之前显卡的环境复制过来,结果有各种小问题,什么环境无法导入pytorch,显卡算力和torch的算力不匹配等小问题,导致两天才弄好,下面说下成 ...
- Ubuntu20.04配置pytorch深度学习环境
环境 系统 Ubuntu 20.04.4.LTS 显卡 3060 显卡驱动 安装系统后 打开附加驱动 安装后重启,此时显卡驱动安装完成 打开终端测试一下 nvidia-smi 更换国内源 参考网址 h ...
- 基于cuda10.0的pytorch深度学习环境配置
基于cuda10.0的pytorch深度学习环境配置(报错解决) 1.首先查看自己nvidia 显卡的版本,一般都能适用cuda10.0: 1.打开win+s 搜索nvidia控制面版,查看系统信息 ...
- 在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境(新手必看!简单可行!)
本人最近接触深度学习,想在服务器上配置深度学习的环境,看了很多资料后总结出来了对于新手比较友好的配置流程,创建了一个关于深度学习环境配置的专栏,包括从anaconda到cuda到pytorch的一系列 ...
- 配置jupyter-pytorch深度学习环境
配置jupyter-pytorch深度学习环境 安装anaconda3 新建环境,命名为pytorch 在虚拟环境里安装jupyter activate pytorch pip install jup ...
- 在腾讯云主机上搭建pytorch深度学习环境
在腾讯云主机上搭建pytorch深度学习环境 1.购置[腾讯云主机](https://cloud.tencent.com/? fromSource=gwzcw.234976.234976.234976 ...
- Ubuntu20.04安装配置tensorflow2深度学习环境
Ubuntu20.04安装配置tensorflow2深度学习环境 之前在windows下配置了tensorflow2的环境,坑有不少.最近配了台台式机,2070显卡,安装一下Ubuntu20.04系统 ...
- 没有显卡怎么使用anaconda配置tensorflow深度学习环境
没有显卡怎么使用anaconda配置tensorflow深度学习环境
最新文章
- SAP PM 入门系列2 - IE03显示设备主数据
- 专题 12 IPC之消息队列
- php 内容转换dom,php – 防止DOMDocument :: loadHTML()转换实体
- WinLogon事件通知包编程
- 虚拟机的磁盘扩大超过2T,发现超过2T的这部分无分区
- 二叉树层次遍历c语言_每日一道 LeetCode (23):二叉树的层次遍历 II
- 获取pycharm 2016.1.4 注册码 (window系统) 2016.3注册码(Ubuntu系统)
- kotlin 类构造函数_Kotlin类– Kotlin构造函数
- b460m_itx/ac Z390I B360pro升级无线网卡BCM94360HMB
- 小程序常用ui库 组件库
- ghost linux 黑屏,Ghost 与 Linux 的兼容性
- camera-radar fusinon paper 速递
- 面向资源受限安全芯片的开放式运行环境设计
- CVE-2017-8570微软office漏洞复现与研究
- JQuery UI的拖拽功能
- 关于防止游戏行为检测的几点建议技巧
- Switch NS 通过华硕梅林路由DNSMASQ屏蔽任天堂服务器
- 弹弹堂服务器响应时间过长,弹弹堂游戏加载问题全攻略
- 计算机表格函数知识点,Excel知识点大全
- 一个微信小程序开发示例
热门文章
- 家用空气净化器除甲醛什么品牌好 能除甲醛吗
- Espresso IdlingResource 测试延时操作的使用
- 哪一款iPhone拍照效果最好?拍照最好用的苹果手机是哪款
- oracle 与plc通信,cim系统(com系统和plc的通讯)
- POJ - 3311 Hie with the Pie
- vue-router路由防卫
- 语句摘抄——第26周
- WebRTC音频降噪使用
- 目前主流微型计算机显卡总线接口是,江苏省2011年普通高校对口单招文化统考计算机专业综合理论试卷B...
- 弹窗的点击空白关闭,背景虚化,防止滚动穿透