pytorch dp在linux和window区别

YOLOV8所需要的深度学习环境配置

需要用到pytorch。tensorflow用不到，要用到tensorboard，可以顺带一起装了。 借鉴朋友已经配置好，能使用的环境，先放出总的环境配置：

	版本
cuda	11.3.1
cudnn	8.2.1
python	3.8.13
pytorch	1.12.1
torchvision	0.13.1
tensorboard	2.9.1
tensorflow	2.9.1

1、版本选择

需要注意的是下载的cuda的版本，另外，不要下载到电脑上，可以直接在虚拟环境中pip安装

本人已经重装2回cuda了，之前不知道可以在虚拟环境中下载，是直接卸载cuda，再在官网上面下载安装。想装在电脑上面的可以参考这个博主写的：第五步：RTX 3060配置CUDA和cuDNN、安装PyTorch 第一回：下载的是cuda10.2，与自己电脑显卡不匹配。

第二回：下载的是cuda11.5，与pytorch版本不匹配。

首先查看自己电脑的显卡：RTX3060

（1）查看可下载的cuda最低版本：11.0

目前RTX3060不支持CUDA 11以下版本，实测，会报错：cuda的算力要支持你的显卡算力。

（2）查看可下载的cuda最高版本：12.0

1、进入cmd中查看（Win + R + 输入cmd+ Enter）

所以cuda的版本应大于11.0，小于12.0。（3）查看与pytorch相匹配的cuda版本

查看pytorch官网：https://pytorch.org/get-started/previous-versions/

得知可下载的cuda版本有:11.8、11.7、11.6、11.3、11.1、11.0

（4）查看与tensorflow-gpu相匹配的cuda版本

查看tensorflow官网

但由于中文版的没有更新，只到2.6.0。如果想要看新版的，需要将网页的语言设置为英语。

可以对照python版本来选择适合自己的tensorflow-gpu版本。

（5）查看与cuda相匹配的cudnn版本

cudnn官网

因为有朋友成功配置好的例子，所以我选择cuda11.3 ，cudnn 8.2.1，pytorch 1.12.1 ，tensorflow-gpu 2.9.0

2、安装

在虚拟环境中安装。

首先使用anaconda3来创建虚拟环境，打开anaconda prompt。

输入conda create -n pytorch_tensorflow pythnotallow==3.8，创建名为pytorch_tensorflow的虚拟环境

激活conda activate pytorch_tensorflow

1、安装cuda

conda install cudatoolkit=11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/

镜像网站可以更换，换cuda版本只需要将11.3换成自己需要的版本即可。 2、安装cudnn

conda install cudnn=8.2.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/

3、安装pytorch

pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113

4、安装tensorflow

pip --default-timeout=100 install tensorflow-gpu==2.9.0 -i https://pypi.douban.com/simple

3、检验

import torch
import tensorflow as tf

print(torch.backends.cudnn.version())
#输出8302，代表着成功安装了cudnn v8.2.1

print(torch.__version__)
#输出1.12.1，代表成功安装了pytorch 1.12.1

print(torch.version.cuda)
#输出11.3，代表成功安装了cuda 11.3

torch.cuda.is_available()
#True

print(tf.test.is_gpu_available())
#True