YOLOV5--利用Anaconda安装pytorch深度学习环境+pycharm安装---不需要额外安装CUDA和cudnn

呆维WorkHard

已于 2024-12-05 11:16:17 修改

阅读量1.3k

点赞数 12

CC 4.0 BY-SA版权

文章标签：深度学习 pytorch pycharm

于 2024-07-22 12:00:36 首次发布

本文链接：https://blog.youkuaiyun.com/WorkHard_w/article/details/140603876

前言

之前安装过几次深度学习环境（主要是玩yolov5），主要分为两种方式：第一种是分步安装，cuda和pytorch需要的环境等。第二种是利用anaconda来安装。

一，NVIDIA驱动安装与更新

正常有显卡的电脑都是有驱动程序的，但是有的时候驱动可能版本比较低，支持的cuda版本也是比较低的，NVIDIA出的30系列的显卡好像只支持cuda11以上的版本。

1.查看显卡型号

可以通过电脑属性，如果有显卡驱动的，一样可以查看

2.无驱动，去下载驱动，有驱动忽略

3.查看CUDA版本

安装（更新）好了显卡驱动以后。我们按下win+R组合键，打开cmd命令窗口。输入如下的命令。

nvidia-smi

得到如下图的信息图，可以看到驱动的版本是526.56；最高支持的CUDA版本是12.0版本。得到显卡的最高支持的CUDA版本，我们就可以根据这个信息来安装环境了。（安装的CUDA版本<=12.0即可）。

二，Anaconda 的安装

打开网址：https://www.anaconda.com/download/success

选择window64bit（因为我的电脑是win64位，可以根据自己的电脑型号自行选择）。

双击下载好的anaconda安装包，just me是说只供当前用户使用。all user 是供使用这台电脑的所有用户使用，是权限问题。对空间影响不大。如果你的电脑上只有建了一个用户，all users和just me 的作用是一样的。所以点击just me就好了。

然后点击next，当让你选择安装安装路径的时候，一定不要选择默认安装位置，因为默认位置是c盘，以后要在anaconda里面创建环境的时候会很占内存，最好在D盘中创建一个文件夹来放anaconda。

和图中一样将图中的√勾上，虽然出现红色的警告，但是要勾上，将anaconda添加到环境变量中去。然后点击完成就好了。

安装完成以后，按下开始键（win键）在左边就会出现anaconda3这个文件夹，可以发现anaconda已经安装好了。

三，Pytorch环境安装

按下开始键（win键），点击如图中的图标。打开anaconda的终端。

执行如下的指令查看有哪些环境

conda env list

新安装的anaconda只有一个base环境。

这里先讲一下anaconda环境，首先base环境是一个大的环境，类似一个很大的一个房子（但是没有房间），当我们每创建一个环境就都会相当于在这个大房子里面用隔板创建一个房间，然后这个房间里面可以安装我们所需要的包，这样管理起来就比较方便。

创建虚拟环境conda create -n 环境名字（英文） python=x.x（python版本），如下，我就是创建了一个名字叫pytorch，python是3.8版本的环境。

conda create -n pytorch python=3.8

在base环境中执行如上的命令，就会创建一个新的虚拟环境，这个虚拟环境会安装一些基础的包，如下图所示。询问是否安装的时候，输入y。就可以创建环境了。

当安装好了以后，执行conda env list这个命令，就可以看到比一开始多了一个pytorch这个环境。现在我们可以在这个环境里面安装深度学习框架和一些Python包了。

执行如下命令，激活这个环境。conda activate 虚拟环境名称

conda activate pytorch

安装pytorch-gup版的环境，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

然后打开pytorch的官网，

https://pytorch.org/

由于开头我们通过驱动检测到我的显卡为 RTX4060，最高支持cuda12.0版本，所以我们选择cuda11.8版本的cuda，然后将下面内容复制下来（Run this command）

将复制的内容粘贴到pytorch环境下的终端，运行就可以了

四，pycharm安装--验证CUDA和cudnn版本

分为两个版本，社区和专业，社区的是免费的

选择解释器-文件-设置--python解释器--添加解释器--选择conda环境--打开conda环境的文件夹-选择condabin--conda.bat--选择现有环境

验证是否已经安装，查看是否anconda在安装pytorch环境的时候也安装了cuda和cudnn。

我们在创建的工程里面创建一个python脚本，在脚本中运行如下代码，查看是否anconda在安装pytorch环境的时候也安装了cuda和cudnn。

import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())

得到结果