Win环境下配置PyTorch深度学习环境
????????
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。
- 上一篇: Windows10 配置 Nvidia
- 下一篇: 深度学习头像定位头像分割