GPU训练环境的简单配置步骤

因为之前训练的数据集都比较小，自己也懒，配环境非常麻烦，所以一直在用cpu硬撑，因为试了一下yolov3-spp跑目标检测，cpu一个晚上跑了4个epoch，非常难受，所以花了几天时间配置了一下。临近期末，浅浅记录一下避免下次踩坑。

第一步首先判断自己需要什么版本的，cuda和torch和torchvision都需要对应上版本号，可上pytorch官网查询Previous PyTorch Versions | PyTorch

 1.cuda安装，这里参考https://blog.csdn.net/m0_45447650/article/details/123704930这篇文章

        查看自己要下载的版本：打开nvidia，点击左下角的系统信息

 可以看到第三行，我这里显示的是11.7.99，因为是向下兼容的，所以我安装了11.6版本的cuda

 进入cuda的官网找到自己对应的版本下载CUDA Toolkit Archive | NVIDIA Developer，我是直接下载的local版的，下了挺久的。

下载完后就安装

cuda版本知道后就可以安装对应的torch和torchvision了。

2.torchvison的离线安装

pip list可以查看自己的torch等版本，

 上面这个版本一看就是不对的，下面这个才对，下文会提到，cu代表gpu版本的

也可以在pycharm中查看版本

        https://download.pytorch.org/whl/torch_stable.html

 找到对应的版本，cu开头为GPU版本，例如cu116是cuda11.6对应的版本；cpxx表示对应的python版本，例如我的是python3.8，要选择cu116，cp38的win。

下载好之后打开cmd，切换到存放.whl文件的文件夹里面（cd命令切换文件夹），然后输入pip install torchvision-0.13.1+cu116-cp38-cp38-win_amd64.whl(我这里下载的是这个，根据自己下载的进行修改)

 

 successfully就是安装成功啦！

 3.gpu版本的pytorch的离线安装

  https://download.pytorch.org/whl/torch_stable.html

 也是在这里找到对应版本的torch，方法和安装torchvision一样，只不过torch要下载挺久的。