前提:安装好anaconda和pycharm
1.第一步:查看显卡可支持CUDA
WIN+R输入cmd调出命令行,输入nvidia-smi回车如下图所示:
可以看到,我的最高支持CUDA版本是12.2(注:意味着可安装的CUDA版本不能高于当前版本)
2.第二步:下载并安装CUDA
登录https://developer.nvidia.com/cuda-12-4-0-download-archiveCUDA官网,点击如下图所示:
我选择CUDA11.30版本(未高于12.2,大家可以根据需要自行选择)如下图所示:
按照步骤下载即可:
运行下载结束的CUDA11.3文件,弹出第一个灰色框框点击OK即可,无需更改路径,等待安装,接下来弹出安装程序如下图所示:点击同意并继续
选择自定义安装,只选择CUDA 组件,并去掉CUDA组件中的Visual Studio Intergration点击下一步
选择安装位置,我的安装位置如下:
D:\APP\CUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.3
D:\APP\CUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.3
D:\APP\CUDA\NVIDIA Corporation\CUDA Samples\v11.3(samples的安装位置)
3.第三步:下载cuDNN
登录https://developer.nvidia.com/cudnn-downloadsCudann官网,点击如下图所示:
选择对应CUDA版本的cuDNN,我这里选择cuDNN v8.2.1for CUDA 11.x(x表示可能的任意数,因为没有11.3,所以可以选择11.x代替,做好选择对应的CUDA)
选择cuDNN Library for Windows(x86)下载即可
将下载好的压缩文件复制粘贴到D:\APP\CUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.3就是刚才CUDA的安装位置,进行解压,解压后删除该压缩文件
进入D:\APP\CUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite(就是刚才解压文件路径下的文件路径)
在地址栏输入cmd调出命令行输入bandwidthTest.exe运行出现Result=Pass即表示运行成功
4.第四步:安装pytorch
打开Anaconda Prompt命令行,输入conda create -n yolov5 python=3.8,创建虚拟环境
输入conda activate yolov5激活虚拟环境
登录PyTorch官网,点击如下图所示:
找到对应自己CUDA版本的pytorch版本,如下图所示:
复制命令,粘贴到刚刚激活的虚拟环境命令行,在命令后面加入
-c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/换成国内镜像源下载较快,但仍需等待一段时间,不要害怕
即:
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
安装完成后如果有问题可以参考这篇博客