win11配置CUDA+cuDNN+Anaconda+Miniconda+Pytorch+yolov5

遨游天地间

已于 2023-11-13 19:32:04 修改

阅读量916

点赞数 1

分类专栏：深度学习文章标签： YOLO

于 2023-11-11 17:19:21 首次发布

本文链接：https://blog.csdn.net/A_liwenqian/article/details/134206782

版权

深度学习专栏收录该内容

5 篇文章 0 订阅

订阅专栏

1.1 CDUA

1.1.1 CUDA Toolkit 及显卡驱动版本对应关系

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

1.1.2 cuda下载网址

https://developer.nvidia.com/cuda-toolkit-archive

1.1.3 cudnn下载网址

https://developer.nvidia.com/rdp/cudnn-archive

1.1.4 cuda安装

先查看显卡驱动版本， cmd 命令输入：nvidia-smi

电脑当前驱动版本是 528.92， DUCA 版本最高能安装 12.0
在这里插入图片描述

在这里插入图片描述

因为电脑显卡驱动版本为 528.92 ，所以最高能安装版本红框中所圈

在这里插入图片描述

选择对应的版本下载好后安装
如果当前版本比要安装的版本高，那么就把要安装的版本去掉勾选，即不安装
安装位置可以自己更改，但是c 盘仍然会安装一部分
显示没安装 visual Studio ，安装与否不影响使用

安装完后命令行输入

nvcc -V ：查看版本命令

安装遇到的问题

选择将 cuda 安装到D盘，但是仍有一部分会被安装进c盘

1.1.5 cuda卸载

卸载时只需保留 NVIDIA Geforce 、 NVIDIA PhysX , NVIDIA 图形驱动程序

卸载完删除文件夹

在这里插入图片描述

1.2. cuDNN

选择与 CUDA 版本对应的 cuDNN 下载，然后将 cudnn解压，复制 cudnn 文件夹中所有文件到安装文件夹中

在这里插入图片描述

1.3. cuda 多版本切换（10.2 切 11.7）

在这里插入图片描述

更改成要用的版本
将要用的版本移上去

重新打开终端再次输入 nvcc -V 查看版本

2. Anaconda

下载地址清华镜像
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

Anaconda优势

节省大量的安装和配置时间
创建和管理多个独立的Python环境
提供数据分析和机器学习的工具

安装

选择一个版本下载
在这里插入图片描述

2.1.1 自动配置环境变量

勾选添加环境变量，不然后面要手动添加

在这里插入图片描述

2.1.2 手动配置环境变量

将安装路径和 scripts 放进环境配置当中
在这里插入图片描述

2.1.3 anaconda配置镜像源

https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

按照网址上面的步骤去执行

2.1.4 conda命令

查看版本
nonda -V
更新conda
conda update conda
显示所有已创建的虚拟环境
conda env list
conda info -e
创建环境命令
conda create -n yolo python=3.8

yolo：环境名称，虚拟环境存放位置在安装目录下 envs 中

切换虚拟环境
conda activate yolo
退出当前环境
conda deactivate
删除当前虚拟环境
conda remove -n yolo --all
列出当前虚拟环境安装的包
conda list
查看要安装的包有哪些版本
conda search numpy
在当前环境中安装 numpy包
conda install numpy （不指定版本将安装最新版本）
删除某个包
conda remove numpy
显示详细信息
conda info

2.1.5 更改虚拟环境保存位置

打开用户路径下面的 .condarc 文件，修改内容
在这里插入图片描述

2.2Miniconda

下载地址: https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
如果C盘有空间，最好安装在C盘，且安装目录中不要有中文，勾选将其添加到PATH
conda create -n yolov5 python=3.8
创建名称为yolov5 ， python指定3.8版本，版本过高会有些包装不上
conda activate yolov5
使用环境前先激活环境
conda deactivate
退出当前环境
conda remove -n yolo5 --all
删除环境
conda info
查看信息
conda info --env
查看当前所有环境

pip 和 conda 用哪个？

pip和conda到使用哪个
在一个单独的环境中，能使用pip就尽量使用pip，实在有问题的情况，再使用conda进行安装，不要来回混淆。防止后面环境混乱。
CUDA是否必须安装
如果只需要训练、简单推理，则无需单独安装CUDA，直接在官网搜索对应的版本通过pip安装即可
如果需要编译、部署等，那么还是需要单独安装CUDA的，这部分大家可以自行百度
显卡16XX的安装问题
1.如果想一切顺利运行，尽量安装cu10.x的pytorch版本，否则会出现预测失效、训练过程中Loss为nan、各项指标均为0的情况
2.如果必须安装cu11.x的版本，则需要修改代码中半精度的部分，才能避免上述问题
显卡30XX的安装问题
30系列的显卡不再支持cuda10，因此务必安装cu11.x的pytorch版本，否则将出现如下错误

在这里插入图片描述

2.2.1 安装Miniconda （python环境）

在这里插入图片描述

2.2.2 配置镜像源

pypi 配置国内源，加速下载
https://mirrors.tuna.tsinghua.edu.cn/help/pypi

在这里插入图片描述
复制粘贴

2.2.3 更改虚拟环境保存位置

我是把 miniconda 安装在了E盘，然后给安装位置的文件夹更改了权限：右键-属性-安全-Users修改权限-完全控制（全部打勾）

在这里插入图片描述
另一种方法就是需要修改配置文件.condarc（如果没有这个文件需要新建）


"C:\Users\xxx\.condarc"  //文件位置

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
envs_dirs:
  - E:\Anaconda3\envs

这样就能让E盘路径变为首选安装位置。顺便还加了清华源

2.2.4 创建虚拟环境

conda create -n yolov5 python=3.8

打开终端输入命令，创建名称为 yolov5， python 版本为 3.8的虚拟环境

3. Pytorch

3.1 安装Pytorch

官方地址: https://pytorch.org/

在一个单独的环境中，能使用pip就尽量使用pip，实在有问题的情况，例如没有合适的编译好的系统版本的安装包，再使用conda进行安装，不要来回混淆
16XX的显卡，安装cu102的版本，否则可能训练出现问题
30XX、40XX显卡，要安装cu111以上的版本，否则无法运行

装 pytorch 时要对应 cuda 版本
在这里插入图片描述

先进入虚拟环境，再复制命令运行

3.2测试pytorch 是否安装成功，能否调用 CUDA

安装完pytorch 后检查是否安装成功，能否调用 cuda？在虚拟环境下输入以下代码

import torch					# 如果pytorch安装成功即可导入
torch.__version__				# pytorch 版本
torch.cuda.is_available()		# 查看CUDA是否可用
torch.cuda.device_count()		# 查看可用的CUDA数量
torch.version.cuda				# 查看CUDA的版本号