通用的CUDA、cuDNN、anaconda、pytorch环境配置详细过程 - Windows / Ubuntu Linux (以YOLOv5模型安装配置为例)

YOLOv5(PyTorch)目标检测：原理与源码解析-yolov5损失函数,yolov5检测框,yolov5非极大值抑制-深度学习视频教程-人工智能-优快云程序员研修院

史上最详细yolov5环境配置搭建+配置所需文件_想到好名再改的博客-优快云博客_yolov5环境配置

win10下安装pytorch报错InvalidArchiveError(‘Error with archive D:\\anaconda\\pkgs\\pytorch-1.2.0-py3.6····_winnie爱学习的博客-优快云博客

yolov5输出结果无法检测到目标 - 知乎

〇、相关项简介

CUDA（Compute Unified Device Architecture，统一计算架构）是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。

cuDNN 是基于CUDA的用于深度神经网络的GPU加速库，有了它才能在GPU上完成深度学习的计算。

cuDNN是插入式设计，即所谓安装只需把cuDNN文件复制到CUDA对应文件夹就可以了。

（关于CUDA 与 cuDNN，CUDA与cuDNN - 简书）

Anaconda 是一个用于科学计算的Python发行版，里面预装好了conda、某个版本的python以及一般可能用到的numpy、scipy、pandas等常见的科学计算包及其依赖项。

Conda 是一个包管理器。

PyTorch 是torch的python版本，是由facebook开源的神经网络框架，专门针对GPU加速的深度神经网络(DNN)编程。

Torch 是一个经典的对多维矩阵数据进行操作的张量(tensor)库。

（关于PyTorch 与 Torch，pytorch简介_bestrivern的博客-优快云博客_pytorch简介）

相关官网：

英伟达CUDA Toolkit历史工具包的网址:
https://developer.nvidia.com/cuda-toolkit-archive

cuDNN官网
https://developer.nvidia.com/cudnn

pytorch官网
https://pytorch.org/get-started/locally/

pytorch历史版本
https://pytorch.org/get-started/previous-versions/

以下演示示例环境为Windows10/11操作系统，Linux操作系统官网查询下载链接时请选择对应操作系统。

一、CUDA&cuDNN

（一）Windows

Windows11安装CUDA11.8(包含环境配置)，参考：

PyTorch深度学习环境安装(Anaconda、CUDA、cuDNN)及关联PyCharm_anaconda cuda安装_毒爪的小新的博客-优快云博客TytorchPython机器学习库，基于Torch，用于自然语言处理等应用程序Anaconda：是默认的python包和环境管理工具，安装了anaconda，就默认安装了condaCUDACUDA是一种由显卡厂商NVIDIA推出的通用并行计算架构，该架构使GPU能解决复杂的计算问题，可用来计算深度学习cuDNN：是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。_anaconda cuda安装https://blog.youkuaiyun.com/weixin_45266856/article/details/132161796

PyTorch深度学习环境安装(Anaconda、CUDA、cuDNN)及关联PyCharm1. 关系讲解 Tytorch：Python机器学习库，基于Torch，用于自然语言处理等应用程序 Anaconda：是默认的python包和环境管理工具，安装了anaconda，就默认安装了conda CUDA：CUDA是一种由显卡厂商NVIDI…https://betheme.net/xiaochengxu/186919.html?action=onClick

Windows11多版本CUDA安装，参考:
Windows下CUDA多版本共存_多个cuda版本共存-优快云博客一、参考资料tensorflow各个版本的CUDA以及Cudnn版本对应关系windows下同一个显卡配置多个CUDA工具包以及它们之间的切换CUDA、CUDNN在windows下的安装及配置二、相关介绍CUDA与显卡驱动没有对应关系，更新显卡驱动到最新版本即可，显卡驱动下载地址。cuDNN与CUDA版本要对应。CUDA是NVIDIA推出的用于自家GPU的并行计算框架，CUDA的本质是一个工具包（ToolKit）。cuDNN是一个SDK，是一个专门用于神经网络的加速包。安装CUDA过程_多个cuda版本共存https://blog.youkuaiyun.com/m0_37605642/article/details/117932717

Windows11安装CUDA11.3(包含环境配置)，参考

win11+cuda11.3+cudnn11.3+Anaconda+PyTorch_cudn11.3_草古的博客-优快云博客windos11系统下安装cuda11.3、cudnn11.3、Anaconda、PyTorch全过程。_cudn11.3https://blog.youkuaiyun.com/weixin_42179158/article/details/128062850

Windows11安装CUDA10.2，如下：

1.官网下载CUDA

查看本机支持的CUDA版本

nvidia-smi

选择安装的CUDA版本号 <= 支持的CUDA版本号

这里(2021年)，我使用cuda10.2，建议可以使用显卡支持的更高版本。

英伟达CUDA Toolkit历史工具包的网址:
https://developer.nvidia.com/cuda-toolkit-archive

2.官网下载cuDNN

cuDNN官网
https://developer.nvidia.com/cudnn

注意与CUDA版本相匹配！

3.安装CUDA

注：安装位置建议保持默认位置。

我为了更清晰地查看安装目录，更改了安装位置。不推荐。

3.1temp_path(默认就好)

该位置的文件只是按照时的临时文件，安装完成后会自动删除的。

默认：

我的位置：

3.2自定义选项

可以全选，因为里面的一些项目我已经安装，故未勾选：

3.3选择安装位置(建议默认)

建议选择默认安装位置，但我选择自定义安装位置。

默认位置：

我的安装位置：

3.4安装结果：

3.5 在系统中添加五个环境变量

按照默认安装位置的路径: C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2添加如下五个：

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2

CUDA_LIB_PATH = %CUDA_PATH%\lib\x64 

CUDA_BIN_PATH = %CUDA_PATH%\bin

CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64

CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

绿框中为自动添加的，需手动添加红框中的其余五个：

（图示为按照我的安装路径设置的环境变量，默认安装路径按照上述文字设置即可）

3.6 在系统变量 Path 的末尾添加环境变量

添加位置：

3.6.1添加

%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;

3.6.2添加另外五个环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64 

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include 

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64 

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64 

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64

添加后的变量如下：（图示为按照我的安装路径设置的环境变量，默认安装路径按照上述文字设置即可）

4.安装cuDNN

4.1解压

解压下载好的压缩包，得到cuda文件夹：

cuda文件夹中的结构：

4.2复制

将解压出的cuda文件夹中对应文件夹的文件复制到NVIDIA GPU Computing Toolkit\CUDA\v10.2\对应文件夹中

复制到

include文件夹、lib/x64文件夹中的文件同理

5.测试安装成功

nvcc -V

（二）Linux

以CUDA11.6为例

参考：

https://blog.youkuaiyun.com/Sihang_Xie/article/details/127347139https://blog.youkuaiyun.com/Sihang_Xie/article/details/127347139

CUDA11.6网站：

https://developer.nvidia.com/cuda-11-6-0-download-archive?target_os=Linuxhttps://developer.nvidia.com/cuda-11-6-0-download-archive?target_os=Linux

按照网站中的命令进行安装

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.6.0/local_installers/cuda-repo-ubuntu2004-11-6-local_11.6.0-510.39.01-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2004-11-6-local_11.6.0-510.39.01-1_amd64.deb
sudo apt-key add /var/cuda-repo-ubuntu2004-11-6-local/7fa2af80.pub
sudo apt-get update
sudo apt-get -y install cuda

其中

wget https://developer.download.nvidia.com/compute/cuda/11.6.0/local_installers/cuda-repo-ubuntu2004-11-6-local_11.6.0-510.39.01-1_amd64.deb

这一步如果服务器上速度较慢，可以尝试在本地下载，直接在浏览器中输入

https://developer.download.nvidia.com/compute/cuda/11.6.0/local_installers/cuda-repo-ubuntu2004-11-6-local_11.6.0-510.39.01-1_amd64.deb

这个网址即可

然后，到/usr/local 文件夹下

配置环境变量

sudo vim ~/.bashrc

在末尾添加

export PATH=/usr/local/cuda-11.6/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.6/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda-11.6

i 进入编辑
Esc 然后 :wq 关闭并保存

接着更新系统环境

source ~/.bashrc
sudo ldconfig

检查是否安装成功：

nvcc -V

cuDNN
参考：ubuntu 20.04 安装高版本cuda 11.7 和 cudnn最新版_ytusdc的博客-优快云博客ok，cuda配置结束，正常的测试是用sample里的脚本来测试的，可能是最新版的cuda，没有sample，就假设它装好了。使用nvcc -V测试以下有没有cuda。然后就直接install。等待片刻后，会安装完成，然后在.bashrc里配置环境变量。2.4、之后就继续，把第一个选择驱动，给他回车取消，因为我们已经有驱动了。gcc，如果报错直接安装gcc和g++就好。2.3、之后就继续，输入accept。2.5、在.bashrc里配置环境变量。2.2、安装过程选项选择。https://blog.youkuaiyun.com/ytusdc/article/details/132404002

二、Anaconda&PyTorch

（一）Windows

1.官网下载Anaconda

2.安装Anaconda(建议使用默认安装位置)

建议按照默认安装位置。

默认安装位置：

我的安装位置:

如果安装位置不是默认位置，要找到文件夹，右键属性->安全，用户的权限允许“完全控制”

3.运行、配置Anaconda

3.1运行

3.2添加镜像

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 --set show_channel_urls yes

（二）Linux

参考：Ubuntu安装Anaconda步骤及常用命令_starky0729的博客-优快云博客Ubuntu中Anaconda 安装_ubuntu安装anacondahttps://blog.youkuaiyun.com/weixin_40964777/article/details/126308001

----------------------------------------------------------

4.创建虚拟环境、安装PyTorch

注：

pytorch官网
https://pytorch.org/get-started/locally/

pytorch历史版本网站
https://pytorch.org/get-started/previous-versions/

4.1创建虚拟环境

conda create -n yolov5_cuda10.2 python=3.8

其中 “yolov5_cuda10.2” 是虚拟环境的名字随便起

这就是虚拟环境具体的位置（其中D:\software\anaconda\Anaconda3为我的anaconda安装位置）：

4.2激活环境

conda activate yolov5_cuda10.2

4.3在所创建虚拟环境下安装pytorch

在所创建环境下安装pytorch：

conda install pytorch torchvision cudatoolkit=10.2 -c pytorch

至此已经安装好Anaconda，使用其创建了虚拟环境，并在虚拟环境中安装了pytorch。

下面下载YOLOv5源码并尝试运行。

三、YOLOv5

1.下载源码及权重文件

GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

最下面：

解压

这是源码的文件结构，weights文件夹是存放权重文件的地方：

下载权重文件到weights文件夹中：

2.在激活的虚拟环境中，cd到源码文件夹下

3.在源码文件夹下安装所需库

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

4.测试运行

尝试运行：

python detect.py --source ./data/images/ --weights weights/yolov5s.pt --conf 0.4

我的环境：

操作系统：Windows10/11

显卡：NVIDIA GeForce GTX1650

CUDA版本：10.2

YOLOv5版本：4.0

运行结果：

如有错误，欢迎大家指出。