【YOLOv7-环境搭建⑥】PyTorch安装

下载链接:

来源:(博主)唐三.

链接:https://pan.baidu.com/s/1K06S6jPuB7dsAtNSNU3zVw 
提取码:881b

安装步骤:

  • 在命令指示符中输入以下命令:

activate→conda  activate py37→输入以下命令(# CUDA 10.1)

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch
  • 出现以下界面后输入y,按回车即可

  •  打开PyCharm,在最下方找到Terminal

 

  • 点开之后出现如下界面,接下来的目标是将开头的PS转化为:(base) 

  •  在最近添加中找到Anaconda  Prompt(Anaconda3)或者是Anaconda  Prompt(Anaconda),右键点击选择“打开文件位置”

  •  找到文件位置后,右键点击选择“属性”
     
  • 从目标中cmd.exe开始复制,一直复制到目标的结尾

  •  在PyCharm中,依次点击File→Settings→Tools→Terminal

  • 将已经复制的路径如图进行粘贴后,点击OK

  •  重新运行PyCharm,此时开头为(base)

  • 输入以下几个命令

  • 此时出现以下语句,意味着PyTorch所有的包都安装成功

  •  在PyCharm中的python文件内,输入以下内容
import torch
import time

print(torch.__version__)

注意:version前后都是两条下划线_ 

  •  运行后得到如下结果,即为安装成功

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
complex-yolov4-pytorch是一个基于PyTorch实现的复杂目标检测算法,其复现过程涉及到模型结构、参数设置以及训练测试流程等多个方面。 首先,复现complex-yolov4-pytorch需要详细了解论文中提出的模型结构和损失函数等细节,然后根据论文中的描述在PyTorch框架下构建模型,包括网络层的搭建、激活函数的选择等,并且要注意模型参数的初始化和正则化操作。 其次,对于训练数据的处理也是复现过程中的重要环节,需要根据论文中提供的数据集或自己的数据集进行预处理,包括数据增强、标签生成等操作,以及构建数据加载器并进行合适的数据分割。 接着,需要根据论文中给出的训练策略和超参数设置来实现模型的训练过程,包括学习率的调度、优化器的选择、损失函数的定义等,同时要注意在训练过程中记录和保存模型参数和训练日志。 最后,针对复现模型的性能进行评估和测试,可以使用论文中提出的评价指标来计算模型在测试集上的表现,并根据实际需求对模型进行调优和改进。 总之,复现complex-yolov4-pytorch是一个综合性的任务,需要对目标检测算法有深入的理解,并具备较高的PyTorch编程能力和实践经验。在复现过程中要注重细节,对比论文中的描述和代码实现进行验证,并根据实际情况进行适当的调整和优化,以获得更好的模型性能。

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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