在Anaconda中用Pytorch+cuda加速训练自己的模型(以Yolov5为例)
本人电脑环境
本人的电脑为2019年购置的拯救者Y7000
操作系统:WIN10
显卡:RTX 1660TI
CPU:I5-9300H
Anconda版本:
CUDA版本:
下载Yolov5官方代码
YOLO V5 官方代码链接如下:YOLOv5官方代码https://github.com/ultralytics/yolov5/tree/v6.2
创建训练环境
创建Conda环境
在开始搜索栏中输入Anaconda Prompt,打开Anaconda Prompt
在Anaconda Prompt命令行中输入创建环境代码,
conda create -n yolov5 python==3.8
按下回车键创建环境
之后会出现下面的界面,输入Y按回车键即可
出现以下界面就说明环境创建成功了
然后输入Activate 自己的环境名称激活环境,前面括号里出现自己的环境名称就说明进入成功了,然后接下来就是要安装Cuda
安装Cuda需要使用以下指令,这里本人安装的是cuda11.8的版本
conda install cudatoolkit=11.8 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/
下载安装完毕后出现以下图片表示安装成功
然后安装cudnn
使用以下代码
conda install cudnn=8.9.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/
安装pytorch
conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=11.8 -c pytorch -c nvidia
#进入虚拟环境
conda activate [你的虚拟环境名]
#输入python来进入python的环境
python
#加载torch
import torch
print(torch.backends.cudnn.version())
#输出8200,代表着成功安装了cudnn v8.4.0
print(torch.__version__)
#输出1.11.0,代表成功安装了pytorch 1.11.0
print(torch.version.cuda)
#输出11.3,代表成功安装了cuda 11.3
torch.cuda.is_available()
#True
至此环境配置结束,接下来用Pycharm打开创建的Conda环境,然后安装对应的环境即可
在设置中选择Python解释器,然后添加解释器,添加本地解释器
然后选择创建好的conda环境,这里选的是以前的一个环境yolov7,本文章选择yolov5即可
最后在终端中运行代码安装requirements.txt需要的所有环境,注意一次Pip不一定能全部安装成功,可以先尝试运行程序,根据报错去安装其他需要的支持包
pip install -r requirements.txt
结束!!!