目录
因为我要在树莓派上面部署yolov5(已经部署完了),完成一个项目,但是在自己的电脑上训练相关数据集,得到相关的权重文件时,发现它是用CPU跑的,时间很感人,一轮20min左右(电脑是联想拯救者),因此我在这写下部署GPU深度学习环境的一篇博客,希望对你们部署有所帮助。
前提条件: 首先你得有一台有显卡的电脑。
一.查看自己电脑支持的cuda最高版本
#第一步:按下win+R ,输入cmd打开终端
#第二步:输入nvidia-smi
nvidia-smi
#结果如下图,找到自己电脑支持的最高cuda版本
二.打开Anaconda,进入自己创建的深度学习环境
没有创建的可以看这一步,之前创建过的可以跳过
#第一步:打开Anaconda Prompt
#第二步:输入下述代码,-n 后面的可以自己起名字,我起的是deeplearn
conda create -n deeplearn python=3.9
#第三步:按要求输入 y 并回车,结果如下图
三.这用的是离线安装Pytorch,官网安装太慢
1.打开北京外国语大学镜像站
2.找到自己所支持的cuda版本<=最高cuda版本,点击下载
如下图所示。下载离线安装包
四.离线安装Pytorch
1.打开Anaconda Prompt,激活之前创建的Anaconda的深度学习环境
#第一步:打开Anaconda Prompt,输入下述代码,激活之前创建的Anaconda的深度学习环境
conda activate deeplearn
2.第二步:打开下载好的Pytorch离线包所在文件夹位置,复制该地址
#第三步:激活anaconda 的deeplearn环境,代码如下
conda activate deeplearn
#输入下述代码
#cd +复制的地址
#以我的为例
cd E:\联想浏览器\data
#接着输入 E:,就是你的下载文件所在那个盘
E:
#结果如下图
#输入下述代码进行离线安装
#conda install --offline 下载的文件的名字
#切记!切记!一定要包含文件的后缀,如.bz2
conda install --offline pytorch-1.12.1-py3.9_cuda11.3_cudnn8_0.tar.bz2
#安装完成如下图所示
(ps:如果你需要安装其它包,也可以用这个方法)
#先进入python的交互模式
python
#接着导入pytorch
import torch
#结果发现会报错,如下图
#退出python交互模式
exit()
#我们需要安装numpy包
#在这之前对conda进行换源,输入以下代码
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
#直接输入conda install numpy
conda install numpy
#接着输入y,并回车,如下图所示:耐心等待既可。
五.检查是否安装成功
#在deeplearn环境下输入conda list
conda list
#结果如下图
#接着检查cuda,cudnn版本
#首先进入python的交互模式
#python交互模式,直接输入python即可进入
python
#接着输入下述代码
import torch #导入pytorch库
print(torch.cuda.is_available()) #查看是否有cuda
print(torch.backends.cudnn.is_available()) #查看是否有cudnn
print(torch.cuda_version) #打印cuda的版本
print(torch.backends.cudnn.version()) #打印cudnn的版本
#结果如下图
发现安装的cuda和cudnn版本与下载的离线包一样,至此就安装完成了,可以进行自己的深度学习了!