使用GPU运行基于pytorch的yolov3代码的准备工作

记录一下自己刚拿到带独显的电脑，如何成功使用上GPU跑程序的过程。

环境：win10
平台：pycharm
代码是基于pytorch的yolo目标检测程序，是B站的一个up分享的，链接如下：https://www.bilibili.com/video/BV14f4y1q7ms

1 下载安装cuda以及CUDNN

教程参考：深度学习环境搭建（GPU）CUDA安装（完全版）
注意：教程中cuda的安装地址选择系统默认值，否则容易出错，即系统找不到路径。
在配置路径时，可以先检查自己的cuda是否安装成功，即win+R 输入cmd，跳转到命令提示符中，在命令提示符打开至\CUDA安装路径下，输入nvcc -V看是否显示CUDA版本信息。如果成功，则不需要额外配置路径。

2 安装APEX

基于pytorch的yolo代码使用了apex，提升GPU上的训练速度。百度后发现这个是需要下载安装的，安装非常简单。
在github中文镜像网站中，下载源码：
https://codechina.csdn.net/mirrors/nvidia/apex

下载好后，解压，并记住该文件位置。win+R 输入cmd，跳转到命令提示符中，打开至apex文件夹位置，输入下面的指令即可安装成功
python setup.py install

3 下载cuda下的pytorch

以前用的都是cpu,所以pip install pytorch是基于cpu的版本
我们找到pytorch的官网:https://pytorch.org/
在下拉页面中找到合适自己的gpu版本，复制Run this Command到命令提示符中回车即可。（注意要先退回到C盘 ：C:\Users\名字>）

全部完成后，调试程序，可以看到现在以及在GPU下运行了

5 遇到的问题

pycharm打开新的项目后，发现没法调用GPU，仔细对比和之前项目的环境配置，发现之前的项目pytorch版本显示版本号+cu111，而新打开的项目只有版本号，说明第二个项目的pytorch是基于cpu的，无奈在该项目下重新更新了pytorch.