win10配置MMClassification+PyTorch+CUDA

已于 2022-01-22 16:53:28 修改
阅读量1.9k 收藏 2
点赞数 2
文章标签： python pytorch cuda 深度学习 机器学习
于 2021-11-22 14:25:24 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Lhw_666/article/details/121470814
版权

Win10配置MMClassification

依赖

  1. Python 3.8
  2. CUDA 10.2
  3. Microsoft Visual C++ 14.0
  4. PyTorch 1.10.0
  5. MMCV 1.3.17
  6. MMClassification 0.17.0

配置CUDA

安装CUDA Toolkit

  1. 根据需要，下载CUDA Toolkit 10.2，选择本地安装

    image-20211122135450079

  2. 双击exe文件，安装到默认路径下

  3. 选择自定义安装，除CUDA/Visual Studio Integration外全部选择安装

  4. 查看系统环境变量是否已经自动配置

  5. 测试是否安装成功

    1. nvcc --version

    2. set cuda

最低0.47元/天 解锁文章
Lhw_666
关注
【深度学习环境配置】Anaconda + PyCharm + CUDA + cuDNN + PyTorch + OpenCV
shinuone的博客
02-23 1万+
（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv （2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv
win10+pytorch+cuda安装
lian740930980的博客
08-12 1333
1、查看cuda版本 打开nvidia控制面板，点击系统信息-->组件-->查看NVCUDA.DLL那一项。可以看到我的cuda是10.1版本的。如果没有的话，可以先去安装cuda,这里不再介绍cuda的安装方法。 2、下载pytorch。官网链接https://pytorch.org/。根据自己的具体情况进行选择，会生成一个相应的安装命令 3、用上一步自己选择后生成的命令进行安装 4、判断是否安装成功pytorch。如果输入以下命令，无报错，且有输出，则证明pytorch安
（一）mmclassification环境配置
Stone_hello的博客
05-19 1347
（一）mmclassification环境配置环境准备1.安装CUDA配置cuda环境变量切换cuda的软链接2.安装cuDNN检查cuDNN是否装好3.安装pytorch4.安装mmcvmmcv github网址安装mmcv-full5.安装mmclassificationmmclassification官网安装教程 环境准备 cuda10.2 cudnn8.2.0 pytorch1.7.0 mmcv1.3.4 mmclassification0.11.0 1.安装CUDA 这方面博文很多，随便找一个：
CV-第三方库：OpenMMLab----＞MMClassification
u013250861的博客
02-19 488
MMClassification 是一款基于 PyTorch 的开源图像分类工具箱，是项目的成员之一主分支代码目前支持 PyTorch 1.5 以上的版本。
mmclassification_master的文件配置
weixin_46587777的博客
06-02 867
MMClassification 适用于 Linux、Windows 和 macOS。它需要 Python 3.6+、CUDA 9.2+ 和 PyTorch 1.5+。
Pytorch实战6—win10使用CPU在mmclassification训练
Evan_qin_yi_quan的博客
02-28 1848
win10使用CPU在mmclassification训练
windows下PyTorch安装教程(1.10)
qq_30150579的博客
12-31 3115
windows下PyTorch安装教程(1.10)
GPU深度学习环境搭建：Win10+CUDA 11.7+Pytorch1.13.1+Anaconda3+python3.10.9
weixin_43117514的博客
04-19 1862
根据 CUDA 11.7 版本查看 Pytorch的对应版本为 1.13.1，再根据 Pytorch 1.31.1 版本查看Python对应的版本为 >=3.7 到 <=3.10 ，此处选择Python3.10.9案例。第一个路径默认（后面系统会自动删掉），选择精简，这里建议默认安装，也可手动安装，但是要记得自己安装的位置，因为后面需要配置系统环境变量。根据显示，显卡驱动版本为：Driver Version: 516.59，CUDA 的版本为：CUDA Version 11.7。
win11+cuda+cudnn+pytorch安装
eplan21的博客
09-18 1706
3060+win11+cuda+cudnn+pytorch安装
CUDA安装失败（已解决）
jodieone的博客
12-08 3850
CUDA安装失败解决办法
Cuda安装失败问题
qq_39739018的博客
12-20 1258
Cuda安装屡次失败，更新好Nvidia的驱动后手动去官网下载11.8的cuda还是不行。于是，我直接打开cuda安装软件，取消勾选与这两个软件有关的事项，进行安装，安装成功！最后尝试用Anaconda安装Cuda11.8,在控制面板发现只能安装如下软件。在conda 运行nvcc -V还是没有反应。
Windows安装cuda toolkit exe文件提示失败，附带解决办法（曲线救国方案）
Three_ST的博客
12-07 2658
命令行里面会出现需要下载的组件名，输入Y 后继续（如果不用装，就不必这么麻烦了）下载了最新版本的anaconda,并且在环境变量中添加conda。或者直接从 anaconda/script 目录下执行以下命令。nvidia官网介绍通过anaconda下载安装。
CUDA安装失败，及解决方案
moonlightpeng的博客
04-01 6645
应该是显卡要求11.1才可以 如果要下载哪个版本直接在搜索
windows下安装pytorch1.10 （2022.6亲测可行）
candice5566的博客
06-02 2530
新手小白可以看懂的pytorch安装文章
11.8 CUDA安装报错失败，11.8 CUDA安装程序安装失败解决办法
最新发布
2301_80317247的博客
05-08 595
Cuda安装屡次失败，更新好Nvidia的驱动后手动去官网下载11.8的cuda还是不行。于是，我直接打开cuda安装软件，取消勾选与这两个软件有关的事项，进行安装，安装成功！最后尝试用Anaconda安装Cuda11.8,在控制面板发现只能安装如下软件。在conda 运行nvcc -V还是没有反应。
PyTorch 环境的配置及安装
weixin_43509834的博客
04-28 9695
核心参考网址： 【PyTorch教程】P1. PyTorch环境的配置及安装（Configuration and Installation of PyTorch) 一、安装 Anaconda 网址为： Anaconda 二、打开 Anaconda Prompt 在开始窗格中，打开 Anaconda Prompt，如下图： 可以看到，左侧显示一个（base），说明Anaconda 安装无误，且当前正处在 base 这个虚拟环境中。需要注意的是，不建议大家在该预设环境中进行任何操作，因此，额外创建
Anaconda 安装 PyTorch 时 cudatoolkit 下载失败 (CondaHTTPError: HTTP 000 CONNECTION FAILED for url)
feishuoren的博客
10-18 3002
CondaHTTPError: HTTP 000 CONNECTION FAILED for url
open-mmlab. mmclassification安装并使用自己数据集windows下
黛玛日孜的博客
08-06 2269
重点： num_classes=10, #num_classes=1000,修改为自己的类别数量data_prefix='../mmcls/data/mnist/train', #'data/imagenet/train'修改为自己的数据位置depth=18,num_classes=10, #num_classes=1000,修改为自己的类别数量dict(]dict(]
MMclassification的安装
weixin_62381977的博客
01-27 1022
Mmclassification的安装与使用
win11+cuda12.1+pytorch
03-15
### 安装支持 CUDA 12.1 的 PyTorch 为了在 Windows 11 上成功安装并配置支持 CUDA 12.1 的 PyTorch，以下是详细的说明： #### 系统需求确认 确保 NVIDIA 显卡驱动已更新至最新版本，并通过 NVIDIA 控制面板验证当前系统的 CUDA 版本。可以通过以下方式检查显卡的 CUDA 支持情况： - 打开 NVIDIA 控制面板。 - 转到左侧菜单中的“系统信息”选项。 - 在“组件”标签下查看 CUDA 的具体版本号[^1]。 如果显示的 CUDA 版本为 `12.1` 或更高，则可以继续下一步操作；否则需先升级 GPU 驱动程序以满足最低要求。 #### 下载必要的库文件 对于完整的 CUDA 和 cuDNN 功能实现，建议从官方或其他可信资源获取对应的二进制包。例如，在某些情况下可能需要手动下载 CUDA 工具链以及配套的 cuDNN 库[^2]: ```bash # 使用百度网盘链接作为替代方案之一 (注意密码保护机制) wget https://pan.baidu.com/s/1aOkHVXP2EuwMFYZx0oS9HA -O cudnn_cuda.zip && unzip cudnn_cuda.zip ``` > **重要提示**: 如果上述方法不可用或者存在安全顾虑, 推荐访问[NVIDIA官网](https://developer.nvidia.com/cuda-downloads)寻找正式发行版. #### Conda 创建虚拟环境与依赖管理 推荐采用 Anaconda 来简化 Python 及其科学计算生态的部署流程。执行如下命令创建一个新的 conda 环境，并指定所需的 PyTorch 组件及其兼容性设置: ```bash # 初始化新的 conda env 并激活它 conda create --name torch-env python=3.9 conda activate torch-env # 添加 pytorch 渠道源 (-c 参数)，同时指明目标 cuda 版本(pytorch-cuda=...) conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia ``` 尽管这里选择了较旧但稳定的组合(`pytorch-cuda=11.8`)来匹配大部分硬件条件[^3], 用户也可以尝试调整参数直至完全适配最新的 cuda12.x 构建成果。 完成以上步骤之后，请运行简单的测试脚本来检验整个框架能否正常调用GPU加速功能: ```python import torch print(torch.cuda.is_available()) # 输出 True 表示可用 print(torch.version.cuda) # 展现实际加载的 cuda driver info ``` --- ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值