python opencv cuda tensorrt pytorch之间的版本对应

于 2024-07-28 17:29:20 发布
阅读量267 收藏 3
点赞数 5
文章标签： python opencv pytorch
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/YIACA/article/details/132263926
版权

python3.7

opencv4.4

cuda10.2

tensorrt7x

pytorch 1.5

DeepStream 5.x

  • OpenCV 2.x：支持Python 2.x
  • OpenCV 3.x：支持Python 2.7、Python 3.x
  • OpenCV 4.x：支持Python 2.7、Python 3.x、Python 3.8+
  • CUDA 11.x：支持Python 3.6、3.7、3.8、3.9
  • CUDA 10.2：支持Python 2.7、3.5、3.6、3.7、3.8、3.9
  • CUDA 10.1：支持Python 2.7、3.5、3.6、3.7、3.8
  • CUDA 10.0：支持Python 2.7、3.5、3.6、3.7、3.8
  • CUDA 9.2：支持Python 2.7、3.4、3.5、3.6、3.7
  • CUDA 9.0：支持Python 2.7、3.4、3.5、3.6
  • PyTorch 1.0.x：支持Python 2.7、Python 3.5、Python 3.6、Python 3.7
  • PyTorch 1.1.x：支持Python 2.7、Python 3.5、Python 3.6、Python 3.7
  • PyTorch 1.2.x：支持Python 2.7、Python 3.5、Python 3.6、Python 3.7
  • PyTorch 1.3.x：支持Python 2.7、Python 3.5、Python 3.6、Python 3.7
  • PyTorch 1.4.x：支持Python 3.5、Python 3.6、Python 3.7、Python 3.8
  • PyTorch 1.5.x：支持Python 3.5、Python 3.6、Python 3.7、Python 3.8
  • PyTorch 1.6.x：支持Python 3.5、Python 3.6、Python 3.7、Python 3.8
  • PyTorch 1.7.x：支持Python 3.6、Python 3.7、Python 3.8、Python 3.9
  • PyTorch 1.8.x：支持Python 3.6、Python 3.7、Python 3.8、Python 3.9
  • CUDA 11.x：支持OpenCV 4.5.x
  • CUDA 10.2：支持OpenCV 4.4.x
  • CUDA 10.1：支持OpenCV 4.3.x
  • CUDA 10.0：支持OpenCV 4.2.x
  • CUDA 9.2：支持OpenCV 3.4.x
  • CUDA 9.0：支持OpenCV 3.3.x
  • TensorRT 8.x：支持CUDA 11.x
  • TensorRT 7.x：支持CUDA 10.2、11.x
  • TensorRT 6.x：支持CUDA 10.x
  • TensorRT 5.x：支持CUDA 9.x、10.x

  • PyTorch 1.0.x - 1.3.x：需要使用TensorRT 5.x版本进行集成。
  • PyTorch 1.4.x：需要使用TensorRT 6.x版本进行集成。
  • PyTorch 1.5.x：需要使用TensorRT 7.x版本进行集成。
  • PyTorch 1.6.x：需要使用TensorRT 7.x版本进行集成。
  • PyTorch 1.7.x：需要使用TensorRT 7.x版本进行集成。
  • PyTorch 1.8.x：需要使用TensorRT 7.x版本进行集成。
  • PyTorch 1.9.x：需要使用TensorRT 8.x版本进行集成。
  • PyTorch 1.9.x：支持CUDA 10.2、11.1、11.2
  • PyTorch 1.8.x：支持CUDA 10.2、11.0、11.1
  • PyTorch 1.7.x：支持CUDA 10.1、10.2、11.0
  • PyTorch 1.6.x：支持CUDA 10.1、10.2、11.0
  • PyTorch 1.5.x：支持CUDA 10.1、10.2
  • PyTorch 1.4.x：支持CUDA 9.2、10.1、10.2
  • PyTorch 1.3.x：支持CUDA 9.0、9.2、10.0、10.1
  • PyTorch 1.2.x：支持CUDA 9.0、9.2、10.0
  • PyTorch 1.1.x：支持CUDA 9.0、9.2、10.0
  • PyTorch 1.0.x：支持CUDA 9.0、9.2、10.0
  • DeepStream 6.0：需要CUDA 11.x
  • DeepStream 5.x：需要CUDA 10.x
  • DeepStream 4.x：需要CUDA 10.x
  • DeepStream 3.x：需要CUDA 9.x
  • DeepStream 6.0：使用TensorRT 8.x
  • DeepStream 5.x：使用TensorRT 7.x
  • DeepStream 4.x：使用TensorRT 6.x
  • DeepStream 3.x：使用TensorRT 5.x
YIACA
关注
  • 5
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
适用于python3.8版本的pytorch（aarch64）
01-22
在aarch64设备上运行YOLO，需要确保所有依赖项都已正确安装，包括OpenCV、CUDA（如果设备支持）和NVIDIA驱动程序。 深度学习和机器学习是现代AI领域的基石，PyTorch作为其工具，提供了丰富的功能来构建和训练复杂的...
cuda+python+pytorch安装说明
08-11
下载对应 CUDA 和 Python 版本的 PyTorch 和 torchvision 的.whl 文件，然后使用 pip 安装。 1.4 安装相关库 （1）安装 GDAL。输入命令添加 PPA 源和安装 GDAL。 （2）安装其他库。使用 pip 安装 opencv-python、...
【Docker】Docker容器中安装python、cuda、cudnn、pytorch、opencv、tensorrt
qq_42761751的博客
06-25 1092
是一个常用选项，用于自动确认所有提示。这意味着在运行命令时，不会提示用户进行确认操作，系统会自动回答“是”并继续执行。中科大: https://pypi.mirrors.ustc.edu.cn/simple/清华源：https://pypi.tuna.tsinghua.edu.cn/simple/阿里云：http://mirrors.aliyun.com/pypi/simple/豆瓣源：http://pypi.douban.com/simple/找到对应的cuda版本安装命令进行安装。
Python3.6.8 + Pytorch1.4.0 + CUDA10.0 + openCV4.2.0 配置mmtracking
weixin_49446796的博客
08-18 2506
Python3.6.8 + Pytorch1.4.0 + CUDA10.0 + openCV4.2.0 配置mmtracking 写这篇文章起因是我和师兄为了参加一个多目标跟踪的比赛，比赛官方要求的配置是CUDA10.0，我在网上找了很久才最终解决了环境的配置，饶了很多弯路，所以我想写这篇文章帮助有共同需求的人。 一、初始环境 我们利用自己配置的一个docker镜像vpmaster/centertrack:v1创建一个新的容器，使用命令：docker images 由于需要使用CUDA，因此利用命令：nv
pytorch框架版本对应关系
weixin_42812764的博客
04-17 145
https://pytorch.org/get-started/previous-versions/
CUDA 11.7无法安装pytorch的GPU版本
热门推荐
qq_46037444的博客
07-26 2万+
CUDA 11.7无法安装pytorch的GPU版本，python3.6无法安装pytorch的GPU版本
win10系统中anaconda下的python相关工具包配置 （opencv 、带cuda加速的pytorch)
01-06
我下载的是64位python3.7版本的，因为pytorch只支持3.x版本的python，在安装过程中有一个如下界面（第二幅图）建议是两个都勾选上，这样就避免你去电脑里面自行设置环境变量了    安装好之后，使用cmd命令行 ，...
Python摄像头实时点头检测 基于人脸关键点检测 使用pytorch实现
08-09
# Python摄像头实时点头检测 基于人脸关键点检测 使用pytorch+opencv实现 本项目使用 RetinaFace 模型来进行人脸检测，并通过检测人脸关键点的变化来判断是否在点头。具体来说，通过计算鼻子到双眼连线和双嘴角连线...
Python实时摄像头摇头检测代码 使用pytorch+opencv实现 基于人脸检测关键点
08-09
# Python实时摄像头摇头检测代码 使用pytorch+opencv实现 基于人脸检测关键点 本项目使用 RetinaFace 模型来进行人脸检测，并使用检测出的人脸关键点进行摇头检测。通过计算双眼到眉心的距离比例在时序上的方差来...
快醒醒，别睡了!...讲《数据分析pandas库》了—/—＜4＞
qq_64603703的博客
07-27 644
详细解说数据分析pandas库中的常用方法
全网最详细Gradio教程系列5——Gradio Client: python
shao918516的博客
07-26 756
程序部署完成后，如何将Gradio App作为API访问使用呢，这就用到Gradio Client。本章讲解Gradio Client的三种使用方式：python、javascript和curl，受字数限制，所以分三篇博客发布。 使用Gradio Python Client非常易于将Gradio应用程序作为API使用，本节讲述gradio_client安装、如何连接Gradio应用程序、查看可用API及其使用方式、job及session等用法。 通过Gradio Python Cli
随机数种子的作用
帆的博客
07-23 1284
设置随机数种子（random seed）的目的是为了确保随机数生成器在每次运行时产生相同的随机数序列，从而保证实验结果的一致性。随机数种子通过初始化随机数生成器的内部状态，使得在相同的种子值下，随机数生成器每次调用时生成的序列是相同的。
全面解析 SnowNLP：中文文本处理、情感分析
有勇气的牛排博客
07-24 459
SnowNLP 是一个专门用于处理中文文本的 Python库。分词情感分析关键词提取文本分类拼音转换繁体转简体词相似度计算等测试环境：Python3.10.9尚未测出该功能text = "有勇气的牛排写的文章通俗易懂，爱了爱了"文本分类使用的是 SnowNLP 的情感分析模型。
安卓手机部署大模型实战
奇舞周刊
07-25 600
本文作者系360奇舞团前端开发工程师前言自ChatGPT发布以来，大语言模型（Large language model, LLM)就成了AI乃至整个计算机科学的话题中心。学术界，工业界围绕大语言模型本身及其应用展开了广泛的讨论，大量的新的实践层出不穷。由于LLM对计算资源的需求极大，有能力部署大语言模型的公司和实验室一般通过搭建集群，然后开放API或者网页demo的方式让用户可以使用模型。在人们纷...
python语言利用Tkinter实现GUI计算器|（二）优化计算器：过滤用户不合理的输入
最新发布
人工智能视觉分析算法学习实践和经验分享。
07-27 379
python语言利用Tkinter实现GUI计算器|（二）优化计算器python语言利用Tkinter实现GUI计算器|（二）计算器打包。
【Python】 基于Q-learning 强化学习的贪吃蛇游戏（源码+论文）【独一无二】
测试开发自动化
07-26 1214
贪吃蛇环境模块：定义了游戏规则、状态空间、动作空间，并实现了环境的重置和步进逻辑。Q-learning 算法代理模块：实现了 Q-learning 算法，用于学习和决策游戏中的动作选择。游戏窗口模块：使用 Tkinter 创建图形界面展示游戏过程，并与环境和 Q-learning 代理进行交互。该设计使得贪吃蛇游戏能够通过强化学习算法进行自动训练，并通过图形界面展示训练过程。👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 强化贪吃蛇 ” 获取，拿来即用。👈👈👈。
第G2周：人脸图像生成（DCGAN）
lihuhelihu的博客
07-23 982
除了生成器模型的输出层和判别器模型的输入层，在整个对抗网络的其它层上都使用了Batch Normalization，原因是Batch Normalization可以稳定学习，有助于优化初始化参数值不良而导致的训练问题。通过这些层的组合，输入的图像逐渐被降维并提取特征，最终输出一个标量值，表示输入图像被判别为真实图像的概率。总体来说，这段代码实现了GAN的训练过程，通过交替更新判别器和生成器的参数，目标是使生成器生成逼真的图像样本，同时判别器能够准确区分真实图像样本和生成图像样本。
sklearn基础学习
招风的黑耳CSDN
07-23 770
sklearn，或者更正式地称为scikit-learn，是一个基于Python的开源机器学习库。它建立在NumPy、SciPy和matplotlib之上，提供了简单而有效的工具用于数据挖掘和数据分析。sklearn支持监督学习和无监督学习算法，包括分类、回归、聚类和降维等。
评论
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