Pytorch训练如何调用config pytorch开启cudnn

Win10下CUDA+cuDNN+PyTorch安装与配置

• 1. 安装Nvidia显卡驱动、CUDA和cuDNN

• 1.1 显卡驱动下载与安装
• 1.2 CUDA与cuDNN下载与安装

• 2. PyTorch的安装
• 3. Yolov5项目克隆和安装

• 3.1 下载源码
• 3.2 安装所需的第三方库

1. 安装Nvidia显卡驱动、CUDA和cuDNN

1.1 显卡驱动下载与安装

首先要在设备管理器中查看你的显卡型号：

NVIDIA 驱动下载：https://www.nvidia.cn/Download/index.aspx?lang=cn

下载之后就是简单的下一步直到完成。

完成之后，在cmd中输入执行：nvidia-smi，记得把C:\Program Files\NVIDIA Corporation\NVSMI添加到环境变量的path中。安装成功则返回如下结果：

1.2 CUDA与cuDNN下载与安装

CUDA下载链接：https://developer.nvidia.com/cuda-toolkit-archive

cuDNN下载链接：https://developer.nvidia.com/cudnn

下载cuDNN需要注册NVIDIA账号，并填写相应的问卷。

配置环境变量

计算机上点右键，打开属性->高级系统设置->环境变量，添加如下几个环境变量：

在系统变量 Path 的末尾添加：

%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;

再添加如下5条（默认安装路径）：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64 
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64 
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64

cuDNN的安装

对于cuDNN直接将其解开压缩包，然后需要将bin,include,lib中的文件复制粘贴到cuda的文件夹下：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2

最后测试cuda是否配置成功
打开终端，输入命令：nvcc -V

2. PyTorch的安装

笔者使用的是Anaconda虚拟环境，关于其安装及一些基本命令可参考笔者的另一篇博客：

这里笔者另外新创立了一个新的环境，名字叫Machine_Learning：

conda create -n Machine_Learning python=3.8

安装成功后激活虚拟环境：

conda activate Machine_Learning

pytorch的安装命令可从官网查询，链接：https://pytorch.org/get-started/locally/

在线安装，如果对自己的网速很有信心，直接使用如下命令安装：

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

离线安装，pytorch库比较大，可先在清华的镜像网站上下载下来，pytorch离线下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

如果遇到其它比较大的库，也都可以采取类似的方法先离线下载好安装包。

安装之前将压缩包放入Anaconda\pkgs目录下。

解压缩的命令如下：

conda install --use-local pytorch-1.7.0-py3.8_cuda102_cudnn7_0.tar.bz2

要完成pytorch的安装，还要继续运行以下命令：

conda install -c local pytorch -n Machine_Learning

这里指明使用本地作为channel, 然后安装相关依赖包。
最后把torchvision、torchaudio两个库也安装上：

conda install torchvision torchaudio -c pytorch -n Machine_Learning

3. Yolov5项目克隆和安装

3.1 下载源码

Yolov5的GitHub源码链接：https://github.com/ultralytics/yolov5/releases/tag/v4.0

3.2 安装所需的第三方库

除了pytorch以外，yolov5还用到了许多第三方库，为了方便大家使用，原作者在源码的根目录下写了一个requirements.txt文件，便于大家安装第三方库。

进入yolov5源码根目录，执行以下命令：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/

笔者在安装pycocotools这个库时，遇到缺少Visual C++ Build Tool的报错，需要在Visual Studio官网下载buildtools，链接为：https://visualstudio.microsoft.com/zh-hant/visual-cpp-build-tools/ 报错截图：

报错提示中也已经提供所需工具的链接：https://visualstudio.microsoft.com/downloads/

打开提供的链接，找到Visual Studio 2019 生成工具:

下载后运行该exe文件：

重启电脑之后，再次执行上述安装命令：

如此，yolov5所需的其他依赖库安装完。

---

笔者近期重新更新了一下显卡驱动：

查询显卡驱动的安装：

CUDA升级到11.1版本：

修改系统环境变量如下图：

cudnn的安装方法与之前一样，复制对应的文件到指定位置即可。

测试cuda是否配置成功：

安装pytorch1.8.1及相关库：

pip3 install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio===0.8.1 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.douban.com/simple/

安装过程截图：