windows使用pytorch环境配置yolo_v5进行视觉识别步骤:搭建pytorch环境(第2部分)
文章目录
- windows使用pytorch环境配置yolo_v5进行视觉识别步骤:搭建pytorch环境(第2部分)
- 一、搭建conda环境
- 1、创建环境空间
- 2、进入创建的conda环境
- 3、常用的conda命令
- 二、确定pytorch-gpu安装版本
- 三、安装pytorch
- 1、官方网站安装:
- 2、自行下载文件安装
一、搭建conda环境
因为深度学习环境不太方便配置,而且一旦环境出差,重新配置会对基本环境有影响,所以使用conda创建环境,可以保证环境之间互不影响。
1、创建环境空间
打开cmd命令行,或者是conda带的终端工具,输入命令:
conda create -n wang python=3.9
-n,即为-name,后面的wang为创建的环境名字,后面要指定python版本
输入 y 回车确定,等待一会就会装好了。
显示 done 即环境已经搭建完成,并提示相应激活环境命令和退出环境命令。
2、进入创建的conda环境
在命令行中输入激活命令,即可进入指定python版本的conda环境。
conda activate wang
3、常用的conda命令
conda info --envs:输出中带有【*】号的的就是当前所处的环境
conda list: 看这个环境下安装的包和版本
conda install numpy scikit-learn: 安装numpy sklearn包
conda env remove -n yourEnv: 删除你的环境
conda env list: 查看所有的环境
二、确定pytorch-gpu安装版本
首先要确定电脑上已经安装上的CUDA版本,在命令行cmd中输入
nvcc -V
这里我得CUDA版本就是11.3版本。
三、安装pytorch
找到cuda对应的torch版本。经测试,在windows安装的时候,可以使用pytorch官网上的命令安装,pytorch官方网站。也可以直接在网上下载torch-gpu版本的torch和torchvision两个文件用于安装。(官网命令下载速度慢,这种方式下载速度比较快),下载链接为:pytorch文件自行下载。
1、官方网站安装:
直接在conda空间内输入上面的命令即可。(注意是自己创建的空间,且版本要对照)
2、自行下载文件安装
可以点击自己想安装的模块,安装pytorch时,先安装torch,再安装torchvision。
在这里选择适合自己的版本,系统就会下载whl文件。(cu113指cuda11.3,cp39指python3.9,win指windows,amd64指64位操作系统)
下载完成后当前文件夹空间在命令行中打开,使用pip安装(先进入到自身的conda环境中)
pip install torch-1.10.2+cu113-cp39-cp39-win_amd64.whl
即可实现pytorch的安装,torchvision的安装过程类似,选择对应的版本即可。
需要特别注意的是,使用pip install 安装时,会自动下载cpu的torch,卸载掉自己的cuda版本,解决办法是指令变为:pip install --no-deps 你的torchvision名称。
pip install --no-deps torchvision-0.11.3+cu113-cp39-cp39-win_amd64.whl
但是这样安装后,导入会报错,缺一些库,比如numpy,pillow等,对应安装上就好。
如果缺少一些库的时候,比如numpy,pillow等,对应安装上就好。安装库的时候,最好后面加镜像源,速度会质的提升。比如安装numpy。
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple/
安装完成后,在当前环境中使用python的torch.cuda.is_available()进行验证,结果输出为True
先在命令行输入 python 回车,然后输入
import torch
torch.cuda.is_available()
如果出现错误,一定要先仔细查看报错原因,看是否因为缺少库,或者库的版本问题,不要着急换版本进行尝试。