YOLO5实战1-利用Anaconda安装pytorch环境

yolov5从0-1目录指南	链接
YOLO5实战1-利用Anaconda安装pytorch环境	YOLO5实战1-利用Anaconda安装pytorch环境
YOLO5实战2-教你使用labelimg制作自己的深度学习目标检测数据集	YOLO5实战2-教你使用labelimg制作自己的深度学习目标检测数据集
YOLO5实战3-目标检测中的数据集格式转化以及训练集和验证集划分	YOLO5实战3-目标检测中的数据集格式转化以及训练集和验证集划分
YOLO5实战4-保姆级带你训练自己的数据集（附常见错误的解决办法）	YOLO5实战4-保姆级带你训练自己的数据集（附常见错误的解决办法）
YOLO5实战5-保姆级带你推理测试结果	YOLO5实战5-保姆级带你推理测试结果
YOLO5实战6-将推理结果的检测框显示英文改成显示中文并推理测试	YOLO5实战6-将推理结果的检测框显示英文改成显示中文并推理测试

在安装pytorch环境之前，我们要知道anaconda是什么且基本用法，参加文章：还是搞不懂Anaconda是什么?读这一篇文章就够了
打开Anaconda Prompt，创建pytorch虚拟环境，并配上3.8版本的Python包。

conda create -n pytorch python=3.8 -y

安装完后查看是否安装成功。

conda env list

从图中看到了已经成功安装好pytorch虚拟环境。

然后激活pytorch虚拟环境。

conda activate pytorch

可以看到我们从base环境切换到pytorch环境了。

接下来我们在pytorch环境下安装pytorch-gpu的包。由于pytorch的官网在国外，下载相关的环境包是比较慢的，所以我们要给环境换源。在pytorch环境下执行如下的命名给环境换清华源。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

然后我们打开pytorch的官网查看安装命令。pytorch官网
在选择版本的时候，我们要查看下自己电脑的CUDA版本，打开cmd，输入nvidia-smi

可以看到的CUDA版本是11.6的，因此我就根据CUDA版本来下载对应的pytorch环境。
详细安装CUDA方法可以看看我的这篇文章：CUDA11.6的安装

选择的版本如下图所示：

复制命令

pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu116

然后就等待安装：

安装成功后如下图所示：

最后，我们查看pytorch是否安装成功：

import torch
# 查看是否可用的pytorch-cuda环境
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
# 查看pytorch-cuda版本
print(torch.cuda_version)
# 查看pytorch-cudnn版本
print(torch.backends.cudnn.version())
# 查看pytorch版本
print(torch.__version__)

返回结果：

到这里我们就安装好了pytorch-gpu版本啦！

也可以查看可用GPU的数目和获取GPU名字：

# 打印当前可见可用的GPU数目
print(torch.cuda.device_count())
# 获取GPU名字
print(torch.cuda.get_device_name())