whyou520
2022/11/01阅读:37主题:默认主题
安装pytorch_GPU
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
作者介绍