目标检测模型学习（1）：retinanet-pytorch（1）

一、pytorch环境的搭建

1.Anaconda3下的pytorch-gpu的安装

搭建pytorch的环境，首先我们需要安装好Anaconda来辅助我们安装环境，具体教程可以看作者的这篇文章：深度学习入门笔记--1（Windows10下Anaconda3+Cuda+cuDNN的安装）_qiyu_00的博客-CSDN博客

现在相信各位都已经下载并配置好了Anaconda3，现在我们来打开Anaconda Prompt：

 base代表的就是默认环境，现在让我们来创建一个自己的环境来搭建pytorch，我们使用下面这个命令

conda create -n pth python==3.7

 这里pth指的是我们创建的环境的名字，这个变量可以自定义，后面的python==3.7用来指定环境中安装的python版本，作者用3.7目前没有遇到什么问题，输入代码后运行，得到下面的结果：

 输入y，开始安装环境，安装过程如果很慢的话，可以更换Anaconda的下载源，因为Anaconda的下载源是一个国外的源，所以说如果网速跟不上，可以换清华的源，换清华源的教程在csdn里面有很多，这里作者就不过多赘述。

 然后我们输入下面这行代码，激活我们的环境：

activate pth

得到如下结果，就代表我们成功的创建好了我们的环境： 

 这一步完成之后，我们去pytorch的官网上寻找与我们Cuda版本相匹配的版本：

官网地址：Start Locally | PyTorch

 在这里我们选择Stable，后续选择自己电脑的系统和对应的Cuda版本（这里我们选择11.1，因为好像没有Cuda11.4所对应的pytorch版本），然后我们可以选择用Conda命令，或者是pip命令来安装，Conda命令安装的更全面，但是作者更推荐pip命令，在Run this Command可以复制命令。

将复制下来的安装命令，粘贴到Anaconda Prompt里面：

 点击回车运行，就可以开始安装了，可能安装过程会有点漫长，我们耐心等待就可以了。

 安装好了过后，我们就来验证一下,现在窗口里面输入python，进入python的编译环境，接着输入下面的代码：

import torch

print（torch.__version__)

print(torch.cuda.is_available())

如果运行结果如下图，就代表我们朋友torch-gpu的环境成功搭建了：

 （注：第二个代码的运行结果视版本而定）

至此，我们的朋友torch环境就已经成功搭建好了。