window环境下深度学习环境搭建-anacond3-CUDA-pytorch安装

学习深度学习的小伙伴们大家好，我学习是人工智能的小白毛线球，本文是介绍我在win10环境下跑yolov4模型时搭建的环境配置过程。

anacond3安装

anacond可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。
这里我们主要是用于创建虚拟的环境，方便随时对多种环境进行调整配置。
这里版本不用太纠结新版旧版都能跑，只是新版支持新的python版本。

anacond3官网

安装时可以一直点下一步只有，两步需要额外注意
1、选择安装地址时可以不装在c盘。
2、这里两个可以都选上，这样虽然有警告但会自动配置环境变量，比较方便。

二、安装Cudnn和CUDA

CUDA是显卡的驱动工具，用于使用GPU跑算法。我这里使用的是10.0的版本，新旧版本安装基本一致。能用新版还是建议大家使用新版。因为对于后面的pytorch更加兼容。

（选择local离线下载到本地即可）
CUDA官网
注意这里选择自定义，其他下一步即可。

安装完了之后就去下载对应的Cudnn版本
Cudnn官网下载
（这里需要注册一个账号）
然后前往C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0目录下把
下载的Cudnn内的文件移动到该目录下
CUDA与Cudnn对应表

三、安装torch

启动命令行窗口
win+r
1、创建一个虚拟环境

conda create –n '虚拟环境名字' python= '想要的py版本'

例如

conda create –n yolov5 python=3.6

激活环境

activate '环境名'

2、安装pytorch库
pytorch官网

你可以直接去官网获取下载对应版本的命令（最下面的那一窜英文）
这里我用的是
pip3 install torch1.8.0+cu102 torchvision0.9.2+cu102 torchaudio===0.8.2 -f https://download.pytorch.org/whl/lts/1.8/torch_lts.html
也可以去下面这个网站手动下载文件并安装（推荐）
文件网站
（ctrl+f可以在网页内搜索文字）
同样是上面的几个文件我们可以找到


这里注意一点cp36的意思是对应python3.6的版本
cpu代表cpu环境
cu代表GPU环境

之后在虚拟环境中进入安装文件的目录
输入

pip install 文件全名+后缀

例如

pip install torch-1.8.0+cu111-cp36-cp36m-win_amd64.whl

注意这里要先对pip进行换源处理，不然下载太慢容易失败，我用的是中科大的源，感觉还行。
如何换源可以参考下面这篇博文（引用他人的）
https://blog.csdn.net/change_can/article/details/83781243
最后只需要根据自个需要安装依赖库就完成啦！
最好建个requirements.txt文件
进入文件所在文件夹输入以下命令一键安装即可

pip install -r requirements.txt

这里贴上我跑yolo4时用的库，大家可以尝试尝试
certifi
chardet
cycler
dataclasses
easydict
idna
imutil
kiwisolver
matplotlib
numpy
opencv-python
Pillow
pyparsing
python-dateutil
pyyaml
requests
scipy
six
tqdm
typing-extensions
urllib3
pandas
seaborn

欢迎大家指正错误。