????????

目錄

0.查看Nvidia驅動

1.下載torch和torchvision

2.安裝torch和torchvison

3.YOLOv5環境配置

????????相較于tensorflow環境配置，PyTorch的配置會更簡單一些，不需要配置cuda和cuDNN，只需要安裝好torch和torchvision兩個庫就行。

0.查看Nvidia驅動

????????dos命令框下（快捷鍵win+r，輸入cmd）輸入nvidia-smi可以直接查看當前nvidia驅動下可支持的最高cuda版本，如下所示，該設備最高可支持CUDA11.4，只要CUDA不高于這個版本，安裝合適的PyTorch和torchVison版本就可以了。

1.下載torch和torchvision

????????鏈接1：https://download.pytorch.org/whl/torch_stable.html

? ? ? ? 該鏈接上包含著cpu和gpu兩個版本的torch和torchvison，以yolov5的深度學習環境配置為例說明如何安裝torch和torchvison。一般來說，進入yolov5項目中，按照README文件中的指示，使用pip install -r requirements.txt安裝，會在安裝torch時出現連接time out的錯誤。所以建議把requirements.txt中安裝torch1.7和torchvision0.8.1的那兩行注釋掉，然后手動安裝torch和torchvision。

? ? ? ? 附上torch和torchvison的版本對應的鏈接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，從鏈接1中截圖，由圖可知，挑選出符合要求的torch版本（我選擇的都是較低版本的，跑不通再換高一點的版本）。

? ? ? ? ?同理找到符合要求的torchvision版本，cuda版本和torchvision都要和上面torch版本進行對應。

2.安裝torch和torchvison

? ? ? ? 使用anaconda對環境進行配置和管理，其安裝可以查看其他博客，這部分不難。

? ? ? ? 1.創建虛擬環境：

????????conda create -n v5_pt_1.7 python=3.7

? ? ? ? 2.激活v5_pt_1.7環境：

????????conda activate v5_pt_1.7

? ? ? ? 3.安裝torch:將下載好的torch.whl文件直接拖入到anaconda黑框內，會自動填入其絕對路徑，使用pip install 命令安裝，如圖所示：

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

? ? ? ? ?4.安裝torchvison:同3

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

? ? ? ? 5.檢查是否可以調用GPU:這樣的話gpu暫時可以使用了

? ? ? ? python

? ? ? ? import torch

? ? ? ? torch.cuda.is_available()

? ? ? ? 或者看是否可以將數據加載到gpu中，使用以下幾行代碼進行測試，沒有報錯的話說明已經成功配置PyTorch的gpu環境了。

?

3.YOLOv5環境配置

? ? ? ? 使用的是pychram編輯器，在File-Settings-Project:yolov5-Python Interpreter中添加上述虛擬環境。

? ? ? ? ?然后在pythcharm底下的terminal框（這樣就不用切換地址了）中直接pip install -r requirements.txt文件，安裝完后，基本就配置好了yolov5的環境了。

4.一些版本不匹配的錯誤

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.

翻譯：安裝的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，則需要安裝cuda11.1版本的PyTorch，具體可以看上面內容。

總結

以上是生活随笔為你收集整理的Win环境下配置PyTorch深度学习环境的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。