Pytorch-GPU版本安装并进行yolov5测试

第一步：查看GPU驱动版本

在上篇博文中，安装GPU版本出现问题，可能是因为CUDA和 cuDNN没有预先安装，后来参考一篇博文，解决问题，现在把最开始遇到的问题和解决方法整理一篇，如下：

首先查看本机的CUDA版本

在NVIDIA控制面板中，从左下角的系统信息 进入，选择组件选项卡

 查看显卡驱动

第二步：安装GPU版本pytorch

进入网址Previous PyTorch Versions | PyTorchInstalling previous versions of PyTorchhttps://pytorch.org/get-started/previous-versions/

查看对应版本： 

 从官网安装非常慢，可以考虑换源，conda换源方式参考博主：

yolov5 win10 CPU与GPU环境搭建,亲测有效！_yolov5detectorcpu-CSDN博客

 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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

（1）通过Conda 安装

# CUDA 10.2
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=10.2 -c pytorch

来自网上的解释：在使用 -c 标志时，可以在其后指定要使用的频道名称或 URL。

 （2）通过Wheel 安装

# CUDA 10.2
pip install torch==1.11.0+cu102 torchvision==0.12.0+cu102 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu102

以上采用conda还是pip方式安装，具体区别网上有介绍，我这里采用的 conda方式

conda install vs pip install_conda install 和 pip install 区别-CSDN博客

在  Anaconda Prompt 命令行进入python环境，import torch 输入以下命令查看：

torch.cuda.is_available()

结果显示：Flase

查询原因，为什么不能是GPU版本，参考博主：torch.cuda.is_available()为False 解决方案(花了一下午找问题)_cuda.avilabile false怎么办-CSDN博客

 删除原来的yolov5环境，

conda remove --name yolov5 --all

然后重新安装，执行conda install指令，以旧不成功， 

继续查找原因，最终参看博主：

如何用conda安装PyTorch（windows、GPU）最全安装教程（cudatoolkit、python、PyTorch、Anaconda版本对应问题）（完美解决安装CPU而不是GPU的问题）-CSDN博客

 应该是我的CUDA和cuDNN没有安装，所以根据这篇博主的方法顺序安装即可，他的介绍非常详细，下载注册要耐心点，网速比较慢

上面两个软件安装后，检索torch1.11.0的时候还是不能找到对应的GPU版本，后来在官网逐个测试，发现这个1.9.1可以找到GPU版本，所以遇到conda从渠道找不到对应GPU版本时，不要放弃，可以尝试降低torch版本，我当时11和10版本都不行，后来使用如下：

 conda install pytorch==1.9.1 torchvision==0.10.1 torchaudio==0.9.1 cudatoolkit=10.2 -c pytorch

 

等待安装完成 ，

继续在  Anaconda Promp 环境下，激活yolov5

activate yolov5  ，切换到yolov5-main路径下

进入python环境，import torch 输入以下命令查看：

torch.cuda.is_available()

结果显示：True

解决问题 

第三步：GPU下的detect.py验证

当运行命令

python detect.py --source="data/images/bus.jpg" --weights="weights/yolov5s.pt"

报错，提示如下：

重新安装一遍依赖，可能是我从CPU版本切换到GPU对依赖有变化，也可能是我执行过yolov5环境的remove操作导致

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

再次执行detect.py，成功：