Pytorch-GPU版本详细安装教程——以YOLOv5为例

已于 2023-03-07 17:39:39 修改
阅读量4k 收藏 22
点赞数 3
文章标签： pytorch 深度学习 python
于 2022-11-23 17:41:10 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/python_plus/article/details/127870938
版权

  本文详细讲解了如何安装YOLOv5网络依赖的GPU版本的Pytorch，本人自从入坑YOLOv5后，前前后后配置了近10次环境，有时代码调好能跑了，放上一两个月再跑，竟然报错了！

  最近重装了一次电脑，重新配置了一遍环境，于是痛下决心要记录下配置环境中可能出现的问题，这里需要强调的是，我是在配好环境后写的这篇文章，大多图片是采用别人博客中的图片（在Refenrence中表明了出处，实在不想再重新配置一遍了）

  本文重点讲解CUDA和Pytorch-gpu版本的安装，他俩的版本一定要对应起来，否则会出现各种问题（比如模型可以训练，但训练结果为0等等）

文章目录

CUDA安装

首先，查看自己电脑支持安装的CUDA的版本
在cmd中输入

nvidia-smi

按下回车可显示
在这里插入图片描述
从上图可看出，我的电脑的显卡驱动版本是522.25，最高支持11.8版本的cuda（也就是可以安装版本号≤11.8的CUDA）
然后去英伟达官网：https://developer.nvidia.com/cuda-toolkit-archive
下载对应的CUDA版本，我下载的版本的是CUDA10.2
在这里插入图片描述
注：这里选择CUDA版本根据以下原则选择
1、显卡驱动最高支持的cuda版本
2、cuda与torch版本对应（这个在“Pytorch-gpu安装这一章会详细讲解”）
我这里选择的是Windows 10 64位的安装包，然后点击“Download”下载，下载完成后双击exe文件进行安装
在这里插入图片描述
安装时选择默认路径即可
在这里插入图片描述
然后选择自定义安装
在这里插入图片描述
把图示圈起来的对勾去掉
在这里插入图片描述
这三个地址十分重要，后续我们将进行环境变量的配置，不要改变路径。
在这里插入图片描述
之后等待安装完成即可。
在这里插入图片描述
配置CUDA环境变量，首先右键我的电脑-属性-高级系统设置-环境变量
在这里插入图片描述
在Path中手动添加如下路径：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64

在这里插入图片描述
在这里插入图片描述
我们可以验证一下cuda是否成功，按win+R 输入cmd

nvcc -V

在这里插入图片描述

CUDANN安装

首先，到英伟达官网下载与CUDA版本匹配的cudnn：https://developer.nvidia.com/cudnn
这里需要我们注册一个账号，然后登录下载，下载时一定注意与CUDA的版本对应，如果你下载的CUDA为10.2则下载第二个。
在这里插入图片描述
下载之后，解压缩，将CUDNN文件夹中的各自的bin、clude、lib文件夹中的内容，直接复制添加到CUDA的刚刚安装目录的对应相同名字的文件夹下。

Anaconda安装

安装较为简单，详细请参考：
https://blog.csdn.net/in546/article/details/117400839

Pycharm安装

安装较为简单，详细请参考：
https://cloud.tencent.com/developer/article/1504718

Pytorch-gpu安装

torch- torchvision- python版本对应关系

CUDA Toolkit 和Pytorch的对应关系在这里插入图片描述
使用下述命令安装torch、torchvision、torchaudio的gpu版本：

pip3 install torch==1.8.1+cu102 torchvision==0.9.1+cu102 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.htmlhttps://download.pytorch.org/whl/torch_stable.html

然后在anaconda的pytorch虚拟环境中安装yolov5项目依赖的各种包，使用pip install ******

由于yolov5的requirement.txt中使用的pycocotools，但我下载的是pycocotools-windows。
所以将requirement.txt中的pycocotools改成pycocotools-windows，在运行代码时会检查requirements.txt中的包是否安装，不替换的话会报错

Reference

https://blog.csdn.net/qq_53357019/article/details/125725702
https://blog.csdn.net/qq_39763246/article/details/122250062

晓shuo
关注
  • 3
    点赞
  • 踩
  • 22
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
yolo3-pytorch-master.zip
05-15
1. **环境配置**：确保安装了PyTorch、CUDA（如果使用GPU训练）、 torchvision 和其他必要的库，如NumPy和PIL。 2. **模型构建**：根据YOLOv3的网络结构定义模型，包括卷积层、批归一化层、激活函数以及锚点计算。 ...
yolov5s和yolov5x.zip
08-20
本压缩包包含了两个预训练模型——yolov5s和yolov5x，它们分别代表了小尺寸和大尺寸网络结构，适用于不同场景和计算资源的需求。 1. **YOLOV5的架构**： YOLOV5沿用了YOLO系列的核心思想——将图像划分为网格，并...
pytorch安装教程 GPU版本
weixin_65105239的博客
03-10 1411
学习笔记 记录一下安装pytorch的过程 踩坑很多次
最详细的 Windows 下 PyTorch 入门深度学习环境安装与配置 GPU 版 土堆教程
无名小秃瓢的博客
04-26 1104
c 通道地址conda install xxx -c 通道地址conda create yyy -c 通道地址不要随便修改通道地址。
pytorch-gpu版本安装教程（含nvidia的显卡）
scl52tg的博客
10-26 1万+
CUDA驱动+Anaconda+pytorch安装教程第一步：安装——nvidia的驱动第二步：安装——包管理工具（Anaconda软件）解释一下Anaconda这个软件是干什么的？安装步骤常用指令第三步：安装——pytorch 第一步：安装——nvidia的驱动 第二步：安装——包管理工具（Anaconda软件） 解释一下Anaconda这个软件是干什么的？ anaconda它是一个包管理工具，是由于我们在自己实战（建立python项目）或者做学术研究（导入别人的python项目），这些项目之间所用的（p
睿智的目标检测61——Pytorch搭建YoloV7目标检测平台
Bubbliiiing的学习小课堂
09-26 8万+
AB哥弄了个YoloV7，我觉得有必要跟进看看，它的concat结构还是第一次见，感觉有点意思。 https://github.com/bubbliiiing/yolov7-pytorch 1、主干部分：使用了创新的多分支堆叠结构进行特征提取，相比以前的Yolo，模型的跳连接结构更加的密集。使用了创新的下采样结构，使用Maxpooling和步长为2x2的特征并行进行提取与压缩。2、加强特征提取部分：同主干部分，加强特征提取部分也使用了多输入堆叠结构进行特征提取，使用Maxpooli
睿智的目标检测56——Pytorch搭建YoloV5目标检测平台
Bubbliiiing的学习小课堂
03-28 15万+
睿智的目标检测56——Pytorch搭建YoloV5目标检测平台学习前言源码下载YoloV5改进的部分（不完全）YoloV5实现思路一、整体结构解析二、网络结构解析1、主干网络Backbone介绍2、构建FPN特征金字塔进行加强特征提取3、利用Yolo Head获得预测结果三、预测结果的解码1、获得预测框与得分2、得分筛选与非极大抑制四、训练部分1、计算loss所需内容2、正样本的匹配过程a、匹配先验框b、匹配特征点3、计算Loss训练自己的YoloV5模型一、数据集的准备二、数据集的处理三、开始网络训练四
睿智的目标检测30——Pytorch搭建YoloV4目标检测平台
热门推荐
Bubbliiiing的学习小课堂
05-24 34万+
睿智的目标检测30——Pytorch搭建YoloV4目标检测平台学习前言什么是YOLOV4代码下载YOLOV4改进的部分（不完全）YOLOV4结构解析1、主干特征提取网络Backbone2、特征金字塔3、YoloHead利用获得到的特征进行预测4、预测结果的解码5、在原图上进行绘制YOLOV4的训练1、YOLOV4的改进训练技巧a)、Mosaic数据增强b)、Label Smoothing平滑c)、CIOUd)、学习率余弦退火衰减2、loss组成a)、计算loss所需参数b)、y_pre是什么c)、y_tr
睿智的目标检测66——Pytorch搭建YoloV8目标检测平台
Bubbliiiing的学习小课堂
05-15 3万+
又搞了个YoloV8，看起来似乎在抢这个名字。YoloV8所使用的主干特征提取网络主要为速度快做了一些优化：1、颈部结构使用普通的步长为2的3x3卷积。YoloV5最初使用了Focus结构来初步提取特征，在改进后使用了大卷积核的卷积来初步提取特征，速度都不快。YoloV7则使用了三次卷积来初步提取特征，速度也不快。YoloV8则使用普通的步长为2的3x3卷积核来初步提取特征（估计是感受野够了）。这样做会损失一些感受野，但是可以提高模型的速度。
【Pytorch】如何正确安装pytorch-gpu
weixin_46111444的博客
01-24 1749
如何安装Pytorch-gpu版本不出现False
yolov5笔记（1）——安装pytorch_GPU（win11+anaconda3）
weixin_45569617的博客
08-20 6946
电脑配置 cpu: i7-8750H gpu: 1060 6G 内存： 16G 操作系统：win10 anaconda 3.x 1. 安装pytorch 1.1 创建新的环境 打开命令行输入 创建一个新环境，并激活进入环境。 # 创建了名叫pytorch的，python版本为3.7的新环境 conda create -n pytorch python=3.7 # 激活名叫pytorch的环境 activate pytorch 1.2 下载pytorch 打开pytorch的官网https://pyt
PyTorch-GPU & TensorFlow-GPU（及yolo）*精简* 安装全流程
qq_51936137的博客
07-12 322
1. 安装自己型号的最新显卡驱动（NVIDIA 驱动程序下载） 2.下载并安装cudart64_110.dll文件（最新支持的 Visual C++ 下载 (microsoft.com)） 如有需要，也可以在https://www.dll-files.com下载其他dll文件 3.先后安装cuda、cudnn、TensorFlow-GPU（在anaconda prompt或cmd等命令行窗口） pip install -i https://pypi.tuna.tsinghua..
yolov5n模型权重
11-26
YOLOv5n模型权重是针对YOLOv5系列中的轻量级模型——YOLOv5n的一个优化版本，主要用于目标检测任务。该模型在保持一定检测精度的同时，减少了计算量和模型大小，使得它更适合资源有限的环境，如嵌入式设备或移动端...
基于YOLOv5的蘑菇检测深度神经网络结构
05-19
6. **Inference优化**：YOLOv5利用了PyTorch框架的并行计算和硬件加速，使得模型在GPU上运行时能实现快速推理。此外，NMS（非极大值抑制）算法用于消除重叠的检测框，提供最终的检测结果。 7. **模型微调**：如果...
yolov5-3.1.zip
05-06
3. **训练流程**：YOLOv5 3.1采用PyTorch框架实现，支持多GPU训练，通过Horovod进行分布式训练。训练过程中，使用了OneCycleLR学习率调度策略，确保模型在训练初期快速收敛，然后逐渐降低学习率以优化模型权重。 4....
【pytorch15】链式法则
qq_45291280的博客
07-05 141
链式法则
第TR1---TR3周： Pytorch复现Transformer
最新发布
m0_62017984的博客
07-05 975
主要序列转导模型基于复杂的循环或卷积神经网络，包括编码器和解码器。mechanism.性能最好的模型还通过注意力机制连接编码器和解码器。我们提出了一种新的简单网络架构——Transformer，它完全基于注意力机制，完全不需要递归和卷积。对两个机器翻译任务的实验表明，这些模型具有卓越的质量，同时具有更高的并行性，并且需要的训练时间显着减少。我们的模型在 WMT 2014 英德翻译任务中获得了 28.4 BLEU，比现有的最佳结果（包括集成）提高了 2 BLEU 以上。
【chatgpt】PyTorch中repeat方法用于沿指定的维度重复张量
Never Give Up
07-03 453
repeat方法用于沿指定维度重复张量。它接受一个或多个整数参数，表示每个维度的重复次数。通过重复操作，可以扩展张量以匹配特定形状或进行广播操作。这些示例展示了如何使用repeat方法来重复和扩展张量，以满足不同的需求。
ubuntu安装pytorch-gpu版本
09-25
要在Ubuntu上安装PyTorch-GPU版本，可以按照以下步骤进行操作： 1. 首先，检查你的显卡是否支持CUDA。可以在终端中运行以下命令来查看： ``` lspci | grep -i nvidia ``` 2. 安装NVIDIA驱动程序。可以通过以下方式在终端中安装最新的NVIDIA驱动程序： ``` sudo apt-get install nvidia-driver-<version> ``` 其中，`<version>`是你所需的驱动程序版本号。 3. 安装CUDA Toolkit。可以按照以下步骤在终端中安装CUDA Toolkit： - 访问NVIDIA的官方网站，下载适用于你的Ubuntu版本的CUDA Toolkit安装包。 - 运行下载的安装包并按照提示进行安装。 4. 创建和激活一个新的虚拟环境（可选）。可以使用conda或者virtualenv来创建一个新的虚拟环境，并激活它。 5. 安装PyTorch-GPU。可以使用conda或者pip来安装PyTorch-GPU。下面是使用conda安装的示例命令： ``` conda install pytorch torchvision torchaudio cudatoolkit=<cuda_version> -c pytorch ``` 其中，`<cuda_version>`是你安装的CUDA Toolkit的版本号。 以上是在Ubuntu上安装PyTorch-GPU版本的一般步骤。请根据你的具体情况进行操作。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

晓shuo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值