         安装pytorch_GPU（win11+anaconda3）

之前一直对 object_detection 训练的模型检测速度不满意，想玩玩 yolov3。没想到一拖到如今，v4v5 都出来了。但还是蛮庆幸当时没碰 v3，因为这个 v5 比起 v3 使用起来实在是友好太多，训练和检测速度快，精度高，模型还小，能节省好多时间。确实牛电脑配置:低配
cpu: i5-8750H/ i5-12500 gpu: 1060 6G/ 1060 12G 内存： 16G 操作系统：win10/win11 anaconda 3.x

电脑配置:中配 cpu: i7-8750H/ i7-12500 gpu: 1060 6G/ 3060 12G 内存： 16G 操作系统：win10/win11 anaconda 3.x

电脑配置:低配 cpu: i9-8750H/ i5-12500 gpu: 1060 6G/ 3090 12G 内存： 16G 操作系统：win10/win11 anaconda 3.x

电脑配置:高配 cpu: i9-8750H/ i9-12500 gpu: 1060 6G/ 3090 12G 内存： 16G 操作系统：win10/win11 anaconda 3.x

安装 pytorch 1.1 创建一个新环境打开命令行输入 1.1 创建一个新环境，并激活进入环境。 1.# 创建了名叫 pytorch 的，python 版本为 3.10 的新环境 2.conda create -n pytorch python=3.10 3.# 激活名叫 pytorch 的环境 4.conda activate pytorch

1.2 下载 pytorch 打开 pytorch 的官网https://pytorch.org/

下拉找到 QUICK START LOCALLY 我个人是选择了 pytorch1.12 的版本、win 系统、conda 包、python 语言、11.6 CUDA 没有 gpu 的 cuda 就选 CPU 选完了后，在“Run this Command:”这一栏就会出现对应的命令行（图片中红色选框），复制到我们的环境中运行即可

换源在这里应该会出现无法下载的情况，是因为用的是境外的网址，我们要通过境内的镜像网站去下载。 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ 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/# 这个下载 pytorch 必须要有建议不要嫌多把上面的镜像网址都加上去，然后再用下面的命令代码确认 conda config --set show_channel_urls yes 然后修改那行下载命令 conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge

将上面这一行代码修改为下面这一行

conda install pytorch torchvision torchaudio cudatoolkit=11.6 conda 中的-c 就相当于 pip 中的-i，都代表指定下载源，所以我们要去掉，这样才是使用我们上面添加的国内镜像源。

验证启动 python，导入 pytorch 库

启动

python #输入库 import torch #查看版本 print(torch.version) #查看 gpu 是否可用 torch.cuda.is_available() #返回设备 gpu 个数 torch.cuda.device_count() 如图显示:说明你安装成功了