通用的CUDA、cuDNN、anaconda、pytorch环境配置详细过程 - Windows / Ubuntu Linux (以YOLOv5模型安装配置为例)

已于 2024-03-25 11:22:30 修改
阅读量2.9w 收藏 400
点赞数 46
文章标签： 深度学习 pytorch 机器学习 cuda 计算机视觉 conda python
于 2021-04-06 22:49:14 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Wontoner/article/details/115469474
版权

YOLOv5配置过程详解

测试结果展示：

目录

〇、相关项简介

一、CUDA&cuDNN

（一）Windows

1.官网下载CUDA

2.官网下载cuDNN

3.安装CUDA

3.1temp_path(默认就好)

3.2自定义选项

3.3选择安装位置(建议默认)

3.4安装结果：

3.5 在系统中添加五个环境变量

3.6 在系统变量 Path 的末尾添加环境变量

3.6.1添加

3.6.2添加另外五个环境变量

4.安装cuDNN

4.1解压

4.2复制

5.测试安装成功

（二）Linux

二、Anaconda&PyTorch

（一）Windows

1.官网下载Anaconda

2.安装Anaconda(建议使用默认安装位置)

3.运行、配置Anaconda

3.1运行

3.2添加镜像

 （二）Linux

4.创建虚拟环境、安装PyTorch

4.1创建虚拟环境

4.2激活环境

4.3在所创建虚拟环境下安装pytorch

三、YOLOv5

1.下载源码及权重文件 

2.在激活的虚拟环境中，cd到源码文件夹下

3.在源码文件夹下安装所需库 

4.测试运行

参考：

YOLOv5(PyTorch)目标检测：原理与源码解析-yolov5损失函数,yolov5检测框,yolov5非极大值抑制-深度学习视频教程-人工智能-CSDN程序员研修院

史上最详细yolov5环境配置搭建+配置所需文件_想到好名再改的博客-CSDN博客_yolov5环境配置

win10下安装pytorch报错InvalidArchiveError(‘Error with archive D:\\anaconda\\pkgs\\pytorch-1.2.0-py3.6····_winnie爱学习的博客-CSDN博客

yolov5输出结果无法检测到目标 - 知乎

〇、相关项简介

CUDA（Compute Unified Device Architecture，统一计算架构）是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 

cuDNN 是基于CUDA的用于深度神经网络的GPU加速库，有了它才能在GPU上完成深度学习的计算。

             cuDNN是插入式设计，即所谓安装只需把cuDNN文件复制到CUDA对应文件夹就可以了。

（关于CUDA 与 cuDNN，CUDA与cuDNN - 简书）

Anaconda 是一个用于科学计算的Python发行版，里面预装好了conda、某个版本的python以及一般可能用到的numpy、scipy、pandas等常见的科学计算包及其依赖项。

    Conda 是一个包管理器。

PyTorch 是torch的python版本，是由facebook开源的神经网络框架，专门针对GPU加速的深度神经网络(DNN)编程。

    Torch 是一个经典的对多维矩阵数据进行操作的张量(tensor)库。

（关于PyTorch 与 Torch，pytorch简介_bestrivern的博客-CSDN博客_pytorch简介）

相关官网：


英伟达CUDA Toolkit历史工具包的网址:
https://developer.nvidia.com/cuda-toolkit-archive


cuDNN官网
https://developer.nvidia.com/cudnn


pytorch官网
https://pytorch.org/get-started/locally/


pytorch历史版本
https://pytorch.org/get-started/previous-versions/

以下演示示例环境为Windows10/11操作系统，Linux操作系统官网查询下载链接时请选择对应操作系统。

一、CUDA&cuDNN

（一）Windows

        Windows11安装CUDA11.8(包含环境配置)，参考：

        PyTorch深度学习环境安装(Anaconda、CUDA、cuDNN)及关联PyCharm_anaconda cuda安装_毒爪的小新的博客-CSDN博客TytorchPython机器学习库，基于Torch，用于自然语言处理等应用程序Anaconda：是默认的python包和环境管理工具，安装了anaconda，就默认安装了condaCUDACUDA是一种由显卡厂商NVIDIA推出的通用并行计算架构，该架构使GPU能解决复杂的计算问题，可用来计算深度学习cuDNN：是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。_anaconda cuda安装https://blog.csdn.net/weixin_45266856/article/details/132161796

PyTorch深度学习环境安装(Anaconda、CUDA、cuDNN)及关联PyCharm1. 关系讲解 Tytorch：Python机器学习库，基于Torch，用于自然语言处理等应用程序 Anaconda：是默认的python包和环境管理工具，安装了anaconda，就默认安装了conda CUDA：CUDA是一种由显卡厂商NVIDI…icon-default.png?t=N7T8https://betheme.net/xiaochengxu/186919.html?action=onClick

           Windows11多版本CUDA安装，参考:
Windows下CUDA多版本共存_多个cuda版本共存-CSDN博客一、 参考资料tensorflow各个版本的CUDA以及Cudnn版本对应关系windows下同一个显卡配置多个CUDA工具包以及它们之间的切换CUDA、CUDNN在windows下的安装及配置二、相关介绍CUDA与显卡驱动没有对应关系，更新显卡驱动到最新版本即可，显卡驱动下载地址。cuDNN与CUDA版本要对应。CUDA是NVIDIA推出的用于自家GPU的并行计算框架，CUDA的本质是一个工具包（ToolKit）。cuDNN是一个SDK，是一个专门用于神经网络的加速包。安装CUDA过程_多个cuda版本共存https://blog.csdn.net/m0_37605642/article/details/117932717

        Windows11安装CUDA11.3(包含环境配置)，参考

        win11+cuda11.3+cudnn11.3+Anaconda+PyTorch_cudn11.3_草古的博客-CSDN博客windos11系统下安装cuda11.3、cudnn11.3、Anaconda、PyTorch全过程。_cudn11.3https://blog.csdn.net/weixin_42179158/article/details/128062850

         Windows11安装CUDA10.2，如下：

1.官网下载CUDA

查看本机支持的CUDA版本

nvidia-smi

 选择安装的CUDA版本号 <= 支持的CUDA版本号

这里(2021年)，我使用cuda10.2，建议可以使用显卡支持的更高版本。

英伟达CUDA Toolkit历史工具包的网址:
https://developer.nvidia.com/cuda-toolkit-archive

2.官网下载cuDNN

cuDNN官网
https://developer.nvidia.com/cudnn

注意与CUDA版本相匹配！

3.安装CUDA

注：安装位置建议保持默认位置。

       我为了更清晰地查看安装目录，更改了安装位置。不推荐。

3.1temp_path(默认就好)

该位置的文件只是按照时的临时文件，安装完成后会自动删除的。

默认：

我的位置：

3.2自定义选项

可以全选，因为里面的一些项目我已经安装，故未勾选：

3.3选择安装位置(建议默认)

建议选择默认安装位置，但我选择自定义安装位置。

默认位置：

我的安装位置：

3.4安装结果：

3.5 在系统中添加五个环境变量

按照默认安装位置的路径: C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2添加如下五个：

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2

CUDA_LIB_PATH = %CUDA_PATH%\lib\x64 

CUDA_BIN_PATH = %CUDA_PATH%\bin

CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64

CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

绿框中为自动添加的，需手动添加红框中的其余五个：

（图示为按照我的安装路径设置的环境变量，默认安装路径按照上述文字设置即可）

3.6 在系统变量 Path 的末尾添加环境变量

添加位置：

3.6.1添加
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
3.6.2添加另外五个环境变量
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

添加后的变量如下：（图示为按照我的安装路径设置的环境变量，默认安装路径按照上述文字设置即可）

4.安装cuDNN

4.1解压

解压下载好的压缩包，得到cuda文件夹：

cuda文件夹中的结构：

4.2复制

将解压出的cuda文件夹中对应文件夹的文件复制到NVIDIA GPU Computing Toolkit\CUDA\v10.2\对应文件夹中

复制到

include文件夹 、lib/x64文件夹中的文件同理

5.测试安装成功

nvcc -V

（二）Linux

以CUDA11.6为例

参考：

https://blog.csdn.net/Sihang_Xie/article/details/127347139icon-default.png?t=N7T8https://blog.csdn.net/Sihang_Xie/article/details/127347139

CUDA11.6网站：

https://developer.nvidia.com/cuda-11-6-0-download-archive?target_os=Linuxicon-default.png?t=N7T8https://developer.nvidia.com/cuda-11-6-0-download-archive?target_os=Linux

按照网站中的命令进行安装

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.6.0/local_installers/cuda-repo-ubuntu2004-11-6-local_11.6.0-510.39.01-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2004-11-6-local_11.6.0-510.39.01-1_amd64.deb
sudo apt-key add /var/cuda-repo-ubuntu2004-11-6-local/7fa2af80.pub
sudo apt-get update
sudo apt-get -y install cuda

其中

wget https://developer.download.nvidia.com/compute/cuda/11.6.0/local_installers/cuda-repo-ubuntu2004-11-6-local_11.6.0-510.39.01-1_amd64.deb

这一步如果服务器上速度较慢，可以尝试在本地下载，直接在浏览器中输入

https://developer.download.nvidia.com/compute/cuda/11.6.0/local_installers/cuda-repo-ubuntu2004-11-6-local_11.6.0-510.39.01-1_amd64.deb

这个网址即可

然后，到/usr/local 文件夹下

配置环境变量

sudo vim ~/.bashrc

在末尾添加

export PATH=/usr/local/cuda-11.6/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.6/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda-11.6

i   进入编辑
Esc 然后 :wq   关闭并保存

接着更新系统环境

source ~/.bashrc
sudo ldconfig

检查是否安装成功：

nvcc -V

 cuDNN
参考：ubuntu 20.04 安装 高版本cuda 11.7 和 cudnn最新版_ytusdc的博客-CSDN博客ok，cuda配置结束，正常的测试是用sample里的脚本来测试的，可能是最新版的cuda，没有sample，就假设它装好了。使用nvcc -V测试以下有没有cuda。然后就直接install。等待片刻后，会安装完成，然后在.bashrc里配置环境变量。2.4、之后就继续，把第一个选择驱动，给他回车取消，因为我们已经有驱动了。gcc，如果报错直接安装gcc和g++就好。2.3、之后就继续，输入accept。2.5、在.bashrc里配置环境变量。2.2、安装过程选项选择。https://blog.csdn.net/ytusdc/article/details/132404002

二、Anaconda&PyTorch

（一）Windows

1.官网下载Anaconda

2.安装Anaconda(建议使用默认安装位置)

建议按照默认安装位置。

默认安装位置：

我的安装位置:

如果安装位置不是默认位置，要找到文件夹，右键属性->安全，用户的权限 允许“完全控制”

3.运行、配置Anaconda

3.1运行

3.2添加镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

 （二）Linux

参考：Ubuntu安装Anaconda步骤及常用命令_starky0729的博客-CSDN博客Ubuntu中Anaconda 安装_ubuntu安装anacondahttps://blog.csdn.net/weixin_40964777/article/details/126308001

 ----------------------------------------------------------

4.创建虚拟环境、安装PyTorch

注：

pytorch官网
https://pytorch.org/get-started/locally/


pytorch历史版本网站
https://pytorch.org/get-started/previous-versions/

4.1创建虚拟环境

conda create -n yolov5_cuda10.2 python=3.8

其中 “yolov5_cuda10.2” 是虚拟环境的名字 随便起

这就是虚拟环境具体的位置（其中D:\software\anaconda\Anaconda3为我的anaconda安装位置）：

4.2激活环境

conda activate yolov5_cuda10.2

4.3在所创建虚拟环境下安装pytorch

在所创建环境下安装pytorch：

conda install pytorch torchvision cudatoolkit=10.2 -c pytorch

至此已经安装好Anaconda，使用其创建了虚拟环境，并在虚拟环境中安装了pytorch。

下面下载YOLOv5源码并尝试运行。

三、YOLOv5

1.下载源码及权重文件 

GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

最下面：

解压

这是源码的文件结构，weights文件夹是存放权重文件的地方：

下载权重文件到weights文件夹中：

2.在激活的虚拟环境中，cd到源码文件夹下

3.在源码文件夹下安装所需库 

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

4.测试运行

尝试运行：

python detect.py --source ./data/images/ --weights weights/yolov5s.pt --conf 0.4

我的环境：

操作系统：Windows10/11

显卡：NVIDIA GeForce GTX1650

CUDA版本：10.2

YOLOv5版本：4.0

运行结果：

如有错误，欢迎大家指出。

Wontoner
关注
  • 46
    点赞
  • 踩
  • 400
    收藏
    觉得还不错? 一键收藏
  • 18
    评论
ubuntu18.04+cuda10.1+pytorch1.4+Anaconda安装
12-22
ubuntu18.04+cuda10.1+pytorch1.4+Anaconda安装 最近，由于生产力工具崩塌，正在抢救中，这里对系统重装以及一些必要的链接做出汇总，以下方法已经证实可以在本机上运行。当然，此次记载也是为以后做准备。注意：...
【零基础上手yolov5】yolov5的安装与相关环境的搭建
热门推荐
罅隙的博客
10-03 5万+
YOLO是最著名的目标检测算法之一，本文将带领大家完成yolov5的安装和相关环境的搭建，即使是python零基础的小白也可以看懂哦
Anaconda的详细安装教程
qq_42535748的博客
07-21 1万+
Anaconda的详细安装教程
YOLO-yolov5安装教程（详细流程）
最新发布
weixin_61218382的博客
03-22 1578
进入miniconda网站选择一个安装包（py38版本）。在这个界面需要勾选前三个。到这里显示安装成功在开始菜单中找到刚刚下载安装好的miniconda（注意：一定要是Ａnaconda Prompt）。点击anaconda prompt进入后针对yolov5创建自己的环境。输入conda create -n yolov5 python=3.8（即创建了一个名为yolov5的虚拟环境）。然后回车进行配置，出现下面这个结果后继续输入y，进行确认安装。
yoloV5 自整理完全安装运行教程
小沐
05-05 6304
yoloV5 自整理完全安装运行教程，
yolov5环境搭建（Anaconda-py3.9、PyTorch-CPU、yolov5-4.0、PyCharm）
jialChen的博客
05-12 3078
Windows10搭建yolov5-4.0，使用CPU版本PyTorch，可以在anaconda命令行和PyCharm中运行代码
Yolov5 安装详细教程及目标检测和识别
L-GRAZY的博客
10-23 4万+
文章内容： 1.在 Anaconda 环境下，进行目标检测程序（Yolov5）的下载及安装，实现 Yolov5 的整体安装； 2.通过调用手机摄像头进行简单的目标检测和识别。
深度学习笔记（一）：环境（yolov5）配置
xumocanshui的博客
09-29 1万+
到这里yolov5的环境部署就结束了。最后运行一些yolov5项目中的detect.py文件测试一下。在terminal中输入或者直接运行detect.py。运行结果如下所示。
基于Yolov5环境配置详解（真的很方便很简单）
不会拍照的博客
07-12 2万+
本文主要讲解了如何配置Yolov5的运行环境在竞赛期间接触了机器视觉，为了完成对各种垃圾的目标检测，我用了yolov5模型去实现。刚开始的配置环境的时候用了两周的时间，还会遇到各种报错；主要是版本问题，因为要对应Jeston nano的环境（也可能不需要对应）；如果只要给电脑配置环境就很简单了。
【yolov5 教学向】（ 即使在MAC m1芯片下也可以使用yolov5本地训练自己的数据集
Xcz1220的博客
03-29 9095
最近为了应付毕业论文，学习了目标检测，目的是检测车辆和行人，使用了yolov5，想到了是否可以在mac上跑yolov5 ，因为是m1芯片，以及系统的更新，踩了不少坑，总结了几个博主的经验，顺利的在mac上实现了yolov5的训练和检测。踩坑点：pyqt5安装、labelimg安装、yolov5训练时取文件.DS_store无法识别。
安装启动yolo5教程
Good Luck
08-25 4417
yolo5启动教程，windows 启动yolo5
安装yolov5
UZM2021的博客
05-28 5904
安装yolov5
WIN10+YOLOv4目标检测.pdf
08-18
WIN10+YOLOv4，windows上完美执行YOLOv4目标检测 1 软件安装 2 配置YOLOv4环境 3 目标检测
openvinoGPU的环境配置
10-31
openvinoGPU的环境配置
WIN10和Ubuntu系统深度学习环境安装（pytorch框架）Anaconda+CUDA+PyTorch+PyCharm
01-21
本次由于选择的PyTorch是1.4版本，支持的是CUDA10.1，所以CUDA安装的版本是10.1。 一、安装Anaconda 1、win10 Anaconda官网 https://www.anaconda.com/distribution/ 如下图，选择 根据自己的电脑位数进行选择，下载...
在ubuntu下安装cuda+cudnn+anaconda3+pytorch+pycharm流程
04-03
在双系统ubuntu20.04下安装cuda+cudnn+anaconda3+pytorch+pycharm的详细流程，包括安装时各个环节应注意的事项。
ubuntu16.04环境下pyotrch0.4.0+anaconda3-5.2.0+cuda9.0安装包
12-22
这是本人搭建深度学习环境ubuntu16.04+pytorch0.4.0+cuda9.0+Anaconda3-4.3.0 (python 3.6.0) 使用的安装包之pytorch0.4.0
如何配置yolov5环境
xiaohukiku的博客
02-01 1046
Tips：我们能看到base这个虚拟环境的位置在下载完成后的Anaconda目录底下，如果我们自己创建虚拟环境，它同样也会位于安装目录下面，这里的envs是一个固定的文件夹，它代表环境的意思,yolov5为创建的虚拟环境的名称。我们现在的目标是创建名为yolov5的虚拟环境(名字不重要，叫什么都行)，并且还要指定python的版本为3.10(看自己的喜好)，因此我们没有必要一个一个的利用pip命令安装所需要的包，而是进入命令行窗口，进入源码所在的位置，利用。
Yolov5（最新版） 环境配置及部署之环境配置（一) （详细教程）
excelNo1的博客
07-08 1万+
Yolov5 环境配置及部署之环境配置（一) （详细教程） 最近在学习yolov5，记录下过程。 一、环境配置 进入Github官网https://github.com/ultralytics/yolov5/releases，选择版本为v5.0 2.下拉滚动条，找到Source code(zip)。点击下载到本地。 3.解压Yolov5-5.0文件到指定目录，解压后文件如图所示 4.打开Anaconda Prompt，创建名为Yolov550的环境。在官网上要求Python 版本大于等于3.6.0
ubuntuanaconda配置pytorch环境
09-03
在Ubuntu上配置Anaconda的PyTorch环境，可以按照以下步骤进行操作： 1. 首先，打开终端并输入以下命令，以激活Anaconda环境配置文件： ``` source ~/anaconda3/etc/profile.d/conda.sh ``` 这样可以确保使用Anaconda的命令和环境。 2. 接下来，创建一个新的虚拟环境。可以使用以下命令创建一个名为"pytorch"的虚拟环境： ``` conda create -n pytorch ``` 按照提示操作，完成虚拟环境的创建。 3. 安装PyTorch。可以使用以下命令安装PyTorch及其相关的软件包： ``` conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch ``` 这将安装PyTorch 1.7.1、torchvision 0.8.2 和 torchaudio 0.7.2，同时需要指定使用的CUDA版本为11.0。通过 `-c pytorch` 参数，指定了从PyTorch的Anaconda镜像源进行安装。 4. 如果你想加快PyTorch的安装速度，可以更换Anaconda的镜像源。可以编辑Anaconda的配置文件，通过以下步骤更换为清华大学镜像源： - 打开终端，输入以下命令打开配置文件： ``` nano ~/.condarc ``` - 在编辑器中，找到 "channels" 部分，并删除其中的 "defaults" 镜像源。然后，将以下三个镜像源添加到配置文件中： ``` channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ show_channel_urls: true ``` - 保存并关闭文件。 5. 现在，重新运行PyTorch的conda安装命令，你应该能够感受到安装速度的明显提升： ``` conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch ``` 通过按照上述步骤进行操作，你就可以在Ubuntu上使用Anaconda配置PyTorch环境了。记得根据自己的需求和系统环境进行相应的调整。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [linux下使用anaconda配置pytorch环境](https://blog.csdn.net/Pythonistas29xs/article/details/126554676)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [ubuntu服务器安装anaconda并配置pytorch环境](https://blog.csdn.net/qq_44218195/article/details/122381668)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 18
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值