在Windows10下,配置Pycharm中YoloV5需要的环境
文章目录
前言
在已经安装过Anaconda和Pycharm后,还需要下载CUDA、CUDANN、Pytorch(torch、torchvision)等一系列东西,为后续在Pycharm中运行YoloV5配置好环境。记录一下需要避坑的点。
一、前提准备
在电脑上已经安装好Anaconda、Pycharm等软件,再依次安装CUDA、cudann、torch、torchvision等。
二、步骤
1.CUDA下载
首先通过NVIDIA控制面板查看自己电脑适用的cuda版本,桌面上鼠标右键即可。管理3D设置–>系统信息–>组件–>(第三个)NVCUDA64.DLL,可以看到CUDA为11.1.11版本。
CUDA和CUDANN版本要一致,而且下载的CUDA版本不应高于电脑本身CUDA版本,CUDA下载地址:[https://developer.nvidia.com/cuda-toolkit-archive
2.CUDANN下载
CUDANN下载:https://developer.nvidia.com/rdp/cudnn-download.没有账号需要注册账号,账号登录后,找到自己对应的CUDA版本,下载相应的CUDANN。
3、CUDA安装
文件路径默认即可,后续安装会自动改变文件路径
取消勾选GeForce Experience 、Visual Studio Integration。
点开Driver comonents,Display Driver这一行,前面显示的是Cuda本身包含的驱动版本。
如果你电脑目前安装的驱动版本号新于Cuda本身自带的驱动版本号,那一定要把这个勾去掉。否则会安装失败(相同的话,也不用去勾选)。
此处选择安装位置,我在D盘里创建了对应的文件夹分别存储相应文件,存储路径要记住,后续会用到,点击下一步安装就行。
打开之前安装路径 D:\Classes\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin ,查看nvcc.exe,即表示CUDA安装成功。
4、CUDNN配置
CUDNN是一个压缩文件不需要安装,只需要解压在自定义盘中。解压后打开CUDNN文件夹,将bin/include/lib文件复制粘贴到CUDA安装文件NVIDIA GPU Computing Toolkit中,不用担心会替换掉,它自己合并。
5、配置环境变量
CUDA11.0版本安装之后会自动配置好环境变量,不需手动添加,其他版本环境变量如有遗漏可按照此图进行添加,注意版本号要按照自己下载的版本写。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\libnvvp(根据自己安装路径相应改变)
6、测试CUDA
在命令行窗口输入nvcc -V,出现如下结果,则表示CUDA11.0安装成功。
7、Pytorch安装
(1)查看自己的显卡版本号(只有版本号大于396才支持安装),此处注意不是在命令行窗口,打开Anaconda Prompt,输入nvidia-smi。
(2)根据自己的cuda版本选择对应的torch版本,然后根据对应的torch在选择对应的torchvision版本,下载地址:https://download.pytorch.org/whl/torch_stable.html,此处一定要选择对应版本,前面是cu110/…
(3)打开Anaconda Prompt窗口,进入下载的Pytorch文件中,输入以下命令:
pip install torch-1.7.0+cu110-cp38-cp38-win_amd64.whl
pip install torchvision-0.8.1+cu110-cp38-cp38-win_amd64.whl
进入python编译器进行验证,import torch
print(torch.version)#输出PyTorch版本,注意此处下划线是两条
torch.cuda.is_available()
安装成功的话会显示:
输入pip list会显示已经安装的包。
总结
这里只配置好了Pytorch的基本环境,YOLOV5需要的环境后续还会继续安装。