这里主要看了两篇文章:
清华源conda 安装gpu版本的pytorch总是推送cpu版本解决办法_为什么pytorch是cpu的-CSDN博客
适合小白的超详细yolov8环境配置+实例运行教程,从零开始教你如何使用yolov8训练自己的数据集(Windows+conda+pycharm)-CSDN博客
1.一些必要软件
确保浪潮服务器里面有adaconda,python版本,可以有网络,如果没有网络的话可以根据经验贴去配置服务器网络,方便后续我们搭建环境
2.创建虚拟环境
2.1创建yolov8虚拟环境
我们使用conda去创建我们需要的虚拟环境
conda create -n 环境名 python=3.8 #因为CUDA10.1版本使用3.8版本的python比较好
conda activate yolov8 #激活我们的虚拟环境
2.2下载源码
源码地址:
GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > OpenVINO > CoreML > TFLite
我们将源码放到服务器上就可以,根据上面文章,我们可以现在自己电脑上整理我们跑的第一个测试项目,将数据集和源码打包上传服务器,后面我们直接命令行操作就可以了,方便我们后续验证使用。
2.3配置清华源
因为conda换源的不完善的问题,下面是完整的国内清华源文件.condarc内容,打开你的电脑里的.condarc文件直接复制就行。
ubuntu 的话命令行 sudo vim ~/.condarc可以直接打开编辑,
win10的话一般在C:\Users\“你的用户名”下面。
channels:
- defaults
show_channel_urls: true
channel_alias: http://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
custom_channels:
conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
配置完成以后我们先不去装pytorch版本,因为我们要先装pytorch后面再去装requirements.txt文件会装错误版本的torch,所以我们先装requirements中的依赖
2.4安装yolov8依赖
注意安装依赖时都是在yolov8环境下,
pip install -r requirements.txt
再去安装ultralytics和yolo包
ultralytics最好使用第一个使用镜像源下载的速度很快,这里安装torch包都是cpu版本的后面我们去直接替换掉
#安装ultralytics
pip install ultralytics --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install ultralytics
pip install -e ultralytics
#yolo包
pip install yolo
2.5下载离线的torch包
我们需要根据服务器的CUDA版本下载对应的pytorch==1.7.1,torchvision==0.8.2,torchaudio==0.7.2的离线安装包可以帮助我们快速安装上
cudatoolkit=10.1,这个包就根据自己CUDA版本装好就好可以用conda install安装
在pytorch官网可以看到CUDA版本对应安装的东西,我们CUDA10.1在左下角更多版本去找
我们所需要的版本在这里可以看到
记下我们所需要的版本我们去清华源网站去寻找我们的包,我们只需要找三个,pytorch,torchvison和torchaudio这三个包,我们直接输入后面的版本号在清华源里面寻找,Ctrl+f可以调出网页搜索,
conda清华源连接:Index of /anaconda/cloud/pytorch/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
找到你需要系统的版本
找到我们需要的包注意pytorch1.7.1中下面的python版本和cuda版本,不要去安装cpu的就ok,我们使用的是python3.8和CUDA10.1,框出来的就是我需要的版本。
我需要的下载文件如下:
将这三个包上传到服务器上在服务器上离线安装,
2.6离线安装pytorch包
在下载文件目录在我们自己的虚拟环境内执行命令安装
conda install --offline pytorch-1.7.1-py3.8_cuda10.1_cudnn7.6.3_0.tar.bz2
conda install --offline torchaudio-0.7.2-py38.tar.bz2
conda install --offline torchvision-0.8.2-py38_cu101.tar.bz2
完成后conda list看一下,有些可能要等会才能显示出来耐心等待,
下面可以输入python
Import torch
torch.cuda.is_available()
查看现在torch能不能使用GPU,如果这里显示True就证明你安装完成了!