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

Win环境下配置PyTorch深度学习环境