pytroch版本越高 占用GPU内存 gpu版本的pytorch可以用cpu跑吗

Win10+Anaconda安装CPU版本Pytorch与GPU版Pytorch（CUDA 9.0）

• 一、安装CPU版本

• 1、添加清华源
• 2、创建并激活一个新环境
• 3、安装依赖
• 4、使用yolov3检测

• 二、安装GPU版本

• 1、安装前言
• 2、打开anaconda Prompt并创建新环境
• 3、安装Pytorch
• 4、在Pycharm中验证

一、安装CPU版本

1、添加清华源

防止下载速度过慢，我们需要先添加清华源：（在安装的Anaconda程序中的Anaconda prompt中添加）

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/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

设置搜索时显示通道地址：

conda config --set show_channel_urls yes

2、创建并激活一个新环境

进入Anaconda程序中的Anaconda prompt：

conda create -n pytorch-cpu python=3.7 #创建环境
conda activate pytorch-cpu #激活环境

3、安装依赖

建议一个一个安装

对于第一个命令我们应该去掉-c pytorch，这样才是调用我们添加的清华源而不是默认源。
除了第一句命令，后面的命令是后面用来验证用到的包

//pytorch
conda install pytorch torchvision cpuonly -c pytorch
//opencv-python
pip install opencv-python
//numpy
conda install numpy
//pillow
conda install pillow
//tqdm
conda install tqdm
//matplotlib
conda install matplotlib

4、使用yolov3检测

下载源码(就在cmd中下载即可)：

git clone https://github.com/ultralytics/yolov3.git

我们需要准备的：

1.网络模型（.weight），放入./weight文件夹中
2.网络文件（.cfg）yolov3-tiny.cfg，./cfg文件夹中已存在
3.数据类别（.names）使用默认coco.names，共80类
4.测试图像 放在./data/samples/目录中

准备完全的项目：下载地址 提取码：sw0c

打开根目录下的detect.py，169-184行为检测时的一些参数，测试时将下图红框位置更改为上步放入的文件：

我是在Pycharm下面运行的文件：

结果如上图所示，结果保存在.\yolov3\outpt中：

二、安装GPU版本

1、安装前言

由于本人在前面是安装了tensorflow-gpu的，所以那时候已经将CUDA及CUDNN安装完成。大家可以去参考参考安装教程：参考教程

2、打开anaconda Prompt并创建新环境

#创建新环境
conda create --name pytorch-gpu python=3.7
#激活环境
conda activate pytorc-gpu
#关闭该环境的话，输入指令
conda deactivate

3、安装Pytorch

进入Pytorch官网 选择自己需要的版本并查看下面的命令：

由于我安装的是CUDA9.0，上面没有这个版本，所以需要去previous-versions网站查找以前版本的安装命令。

同样的需要去掉-c pytorch。

激活我们前面创建的pytorch-gpu环境，运行上面的命令，若是下载失败，记得换源并多次下载即可。

4、在Pycharm中验证

运行Pycharm，新建python文件输入下面命令：

import torch
print(torch.cuda.is_available())

选择对应的Python环境：

选择刚刚创建的pytorch-gpu:

最后结果：

最后运行刚刚创建的Python文件，出现下面即是成功：