windows使用pytorch环境配置yolo_v5进行视觉识别手把手步骤：搭建pytorch环境（第2部分）

windows使用pytorch环境配置yolo_v5进行视觉识别步骤：搭建pytorch环境（第2部分）

一、搭建conda环境

因为深度学习环境不太方便配置，而且一旦环境出差，重新配置会对基本环境有影响，所以使用conda创建环境，可以保证环境之间互不影响。

1、创建环境空间

打开cmd命令行，或者是conda带的终端工具，输入命令：

conda create -n wang python=3.9

-n，即为-name，后面的wang为创建的环境名字，后面要指定python版本 ，因为深度学习网络都是基于python搭建的，目前较为稳定的python版本为3.8和3.9，这里我采用的是3.9。

输入 y 回车确定，等待一会就会装好了。

显示 done 即环境已经搭建完成，并提示相应激活环境命令和退出环境命令。

2、进入创建的conda环境

在命令行中输入激活命令，即可进入指定python版本的conda环境。

 conda activate wang

3、常用的conda命令

conda info --envs：输出中带有【*】号的的就是当前所处的环境
conda list: 看这个环境下安装的包和版本
conda install numpy scikit-learn: 安装numpy sklearn包
conda env remove -n yourEnv: 删除你的环境
conda env list: 查看所有的环境

二、确定pytorch-gpu安装版本

首先要确定电脑上已经安装上的CUDA版本，在命令行cmd中输入

nvcc -V

这里我得CUDA版本就是11.3版本。

三、安装pytorch

找到cuda对应的torch版本。经测试，在windows安装的时候，可以使用pytorch官网上的命令安装，pytorch官方网站。也可以直接在网上下载torch-gpu版本的torch和torchvision两个文件用于安装。（官网命令下载速度慢，这种方式下载速度比较快），下载链接为：pytorch文件自行下载。

1、官方网站安装：

直接在conda空间内输入上面的命令即可。（注意是自己创建的空间，且版本要对照）

2、自行下载文件安装

可以点击自己想安装的模块，安装pytorch时，先安装torch,再安装torchvision。

在这里选择适合自己的版本，系统就会下载whl文件。（cu113指cuda11.3，cp39指python3.9，win指windows，amd64指64位操作系统）

下载完成后当前文件夹空间在命令行中打开，使用pip安装（先进入到自身的conda环境中）

pip install torch-1.10.2+cu113-cp39-cp39-win_amd64.whl

即可实现pytorch的安装，torchvision的安装过程类似，选择对应的版本即可。

需要特别注意的是，使用pip install 安装时，会自动下载cpu的torch，卸载掉自己的cuda版本，解决办法是指令变为：pip install --no-deps 你的torchvision名称。

pip install --no-deps torchvision-0.11.3+cu113-cp39-cp39-win_amd64.whl

但是这样安装后，导入会报错，缺一些库，比如numpy,pillow等，对应安装上就好。

如果缺少一些库的时候，比如numpy,pillow等，对应安装上就好。安装库的时候，最好后面加镜像源，速度会质的提升。比如安装numpy。

pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple/

安装完成后，在当前环境中使用python的torch.cuda.is_available()进行验证，结果输出为True ，即代表成功安装gpu版本的pytorch。

先在命令行输入 python 回车，然后输入

import torch
torch.cuda.is_available()

如果出现错误，一定要先仔细查看报错原因，看是否因为缺少库，或者库的版本问题，不要着急换版本进行尝试。