pytorch--GPU环境安装

 安装笔记

温馨提示：保证C盘有25G以上的内存，以前准备好系统还原点以防安装错误

1、先看显卡对应的CUDA版本，下载CUDA 版本

1.1 如何看CUDA版本

        先进入NVIDIA，鼠标右键也有

                

然后点击左下角的系统信息

 再点击上方的组件

 就可以看见了

 最后再进入下方链接下载自己的版本CUDA

CUDA版本https://developer.nvidia.cn/cuda-toolkit-archive

2、根据GUDA的版本去找Cudnn的版本（官网找）

这个就根据自己的版本去找了，尽量还是找新版的吧

cuDNN Archive | NVIDIA Developerhttps://developer.nvidia.com/rdp/cudnn-archive

3、安装CUDA和Cudnn

下载好之后可以打开exe文件进行安装

                        ​​​​​​​        

这里选择自定义。

 ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        

然后直接点下一步就行了。

        ​​​​​​​        ​​​​​​​        ​​​​​​​        

安装完后在C盘这个位置可以找到根目录。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
然后大家把Cudnn的内容进行解压。

        

把这里面的内容直接复制到C盘的根目录下就可以了。

        

到此 Cudnn和CUDA 就安装好了

 4、安装pytorch

点击下方的链接进入pytorch官网

pytorch版本https://pytorch.org/       

 然后直接干最新版的

         在pycharm里面安装

        复制  pip 的命令进入pycharm里面直接安装

5、其他依赖库的安装

可以找个程序 缺什么安什么

scipy==1.2.1
numpy==1.17.0
matplotlib==3.1.2
opencv_python==4.1.2.30
torch==1.2.0
torchvision==0.4.0
tqdm==4.60.0
Pillow==8.2.0
h5py==2.10.0

6、验证环境

创建一个py文件，把下面的代码复制进去，运行

#测试pytorch 是否启用GPU
import torch
print(torch.__version__)
print(torch.cuda.is_available())

若结果为True，则环境配置成功

若结果为False，则pytorch没有安装成功

7、跑YOLOv4步骤

7.1 代码：地址（需要下载数据集）

7.2 数据集放在VOCdevkit文件夹里

7.3 修改voc_classes内的类名（如果用的是地址里的数据集就不用改如果用的是自己的数据集就该）

7.4 运行 voc_annotation.py 生成 2007_train.txt以及2007_val.txt

7.5 修改train.py里的classes_path （与voc_annotation.py里的一样）

7.6 运行train.py成功后得到YOLO权重文件，接着就可以预测了

我的代码什么的都是用的这位的
视频：这里

博客：这里