Faster-rcnn环境配置（windows+gpu版本）

Faster-rcnn

---

大致步骤：

1.先将代码下载解压到pycharm

百度网盘链接：https://pan.baidu.com/s/1cCZ_W35v70IlfVBPyM0eBw?pwd=4f3g 
提取码：4f3g

2.在电脑使用Anaconda创建一个虚拟环境（打开conda）

依此输入指令：

conda create -n fastrcnn python＝(电脑python当前版本）   //可用python -V命令进行查看  

conda activate fastrcnn                  //激活环境

3.在虚拟环境中（通过清华源和cuda）来安装pytorch

https://blog.youkuaiyun.com/Little_Carter/article/details/135934842?ops_request_misc={"request_id"%3A"171983284116800182174670"%2C"scm"%3A"20140713.130102334.."}&request_id=171983284116800182174670&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_positive~default-1-135934842-null-null.142^v100^pc_search_result_base9&utm_term=pytorch安装教程cpu&spm=1018.2226.3001.4187

(下载gpu版本)

👆在这个教程中下好下图版本的cudn和cudnn即可。

👉接着配置清华源（cuda配置）

在Anaconda中或者Win+R+cmd中输入以下命令

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 --add channels <https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/>
conda config --set show_channel_urls yes

配置好后就可以用cuda指令下载pytorch了

👇指令：

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

(windows系统指令）其他系统切换即可

4.根据requirement文件安装程序所需要的包

这是pip指令👉

pip install -r requirements.txt

这是conda指令（两个都可以）👉

conda install --yes --file requirements.txt

5.完成后可以在conda输入命令以便检查是否安装成功

import torch
import torch.nn as nn

print(torch.cuda.is_available())# 如果输出是True，那意味着你的PyTorch安装已经正确配置了CUDA支持，如果是False，则表示CUDA不可用
print(torch.**version**)				# 打印出当前安装的PyTorch版本
print(torch.cuda_version)				# 显示了PyTorch所使用的CUDA版本
print(torch.cuda.current_device())		# 当前激活的CUDA设备的索引号
print(torch.cuda.device_count())		# 返回可用的CUDA设备数量

成功后的效果：

恭喜完成！

最后的最后，如果requirement文件可能没下全可能还得另外pip

(例如)安装tensorboard

使用http访问清华源不行时

pip install tensorboard --index-url <https://pypi.tuna.tsinghua.edu.cn/simple>