Pytorch-GPU版本详细安装教程——以YOLOv5为例

已于 2023-03-07 17:39:39 修改
阅读量4.7k 收藏 22
点赞数 4
CC 4.0 BY-SA版权
文章标签： pytorch 深度学习 python
于 2022-11-23 17:41:10 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/python_plus/article/details/127870938

  本文详细讲解了如何安装YOLOv5网络依赖的GPU版本的Pytorch，本人自从入坑YOLOv5后，前前后后配置了近10次环境，有时代码调好能跑了，放上一两个月再跑，竟然报错了！

  最近重装了一次电脑，重新配置了一遍环境，于是痛下决心要记录下配置环境中可能出现的问题，这里需要强调的是，我是在配好环境后写的这篇文章，大多图片是采用别人博客中的图片（在Refenrence中表明了出处，实在不想再重新配置一遍了）

  本文重点讲解CUDA和Pytorch-gpu版本的安装，他俩的版本一定要对应起来，否则会出现各种问题（比如模型可以训练，但训练结果为0等等）

文章目录

CUDA安装

首先，查看自己电脑支持安装的CUDA的版本
在cmd中输入

nvidia-smi

按下回车可显示
在这里插入图片描述
从上图可看出，我的电脑的显卡驱动版本是522.25，最高支持11.8版本的cuda（也就是可以安装版本号≤11.8的CUDA）
然后去英伟达官网：https://developer.nvidia.com/cuda-toolkit-archive
下载对应的CUDA版本，我下载的版本的是CUDA10.2
在这里插入图片描述
注：这里选择CUDA版本根据以下原则选择
1、显卡驱动最高支持的cuda版本
2、cuda与torch版本对应（这个在“Pytorch-gpu安装这一章会详细讲解”）
我这里选择的是Windows 10 64位的安装包，然后点击“Download”下载，下载完成后双击exe文件进行安装
在这里插入图片描述
安装时选择默认路径即可
在这里插入图片描述
然后选择自定义安装
在这里插入图片描述
把图示圈起来的对勾去掉
在这里插入图片描述
这三个地址十分重要，后续我们将进行环境变量的配置，不要改变路径。
在这里插入图片描述
之后等待安装完成即可。
在这里插入图片描述
配置CUDA环境变量，首先右键我的电脑-属性-高级系统设置-环境变量
在这里插入图片描述
在Path中手动添加如下路径：

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

在这里插入图片描述
在这里插入图片描述
我们可以验证一下cuda是否成功，按win+R 输入cmd

nvcc -V

在这里插入图片描述

CUDANN安装

首先，到英伟达官网下载与CUDA版本匹配的cudnn：https://developer.nvidia.com/cudnn
这里需要我们注册一个账号，然后登录下载，下载时一定注意与CUDA的版本对应，如果你下载的CUDA为10.2则下载第二个。
在这里插入图片描述
下载之后，解压缩，将CUDNN文件夹中的各自的bin、clude、lib文件夹中的内容，直接复制添加到CUDA的刚刚安装目录的对应相同名字的文件夹下。

Anaconda安装

安装较为简单，详细请参考：
https://blog.youkuaiyun.com/in546/article/details/117400839

Pycharm安装

安装较为简单，详细请参考：
https://cloud.tencent.com/developer/article/1504718

Pytorch-gpu安装

torch- torchvision- python版本对应关系

CUDA Toolkit 和Pytorch的对应关系在这里插入图片描述
使用下述命令安装torch、torchvision、torchaudio的gpu版本：

pip3 install torch==1.8.1+cu102 torchvision==0.9.1+cu102 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.htmlhttps://download.pytorch.org/whl/torch_stable.html

然后在anaconda的pytorch虚拟环境中安装yolov5项目依赖的各种包，使用pip install ******

由于yolov5的requirement.txt中使用的pycocotools，但我下载的是pycocotools-windows。
所以将requirement.txt中的pycocotools改成pycocotools-windows，在运行代码时会检查requirements.txt中的包是否安装，不替换的话会报错

Reference

https://blog.youkuaiyun.com/qq_53357019/article/details/125725702
https://blog.youkuaiyun.com/qq_39763246/article/details/122250062

【YOLOV5从开发到部署实战】二、GPU版本的Pytorch安装
年少的勇气已经用完，剩下的就是三思而后行
05-11 738
🔥 PyTorch GPU 安装教程 ✅ 官网在线安装 📌 进入官网：https://pytorch.org/get-started/locally/ pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html 如果下方Run this Command提醒CUDA-10.2 PyTo
PyTorch深度学习实战（22）——从零开始实现YOLO目标检测
盼小辉丶的博客
10-19 8314
YOLO (You Only Look Once) 是一种实时目标检测算法，它以其高效性和准确性而闻名。相比于传统的目标检测方法，YOLO 的主要特点是在单个前向传递中同时完成目标检测和分类，YOLO 通过全局感受野捕捉了整个图像中的上下文信息，对小尺寸物体的检测效果较好。在本节中，将介绍 YOLO 的工作原理，然后在自定义数据集上训练 YOLO 目标检测模型。
Pytorch GPU版本安装
cash_cp的博客
04-28 1964
安装Pytorch GPU版本过程
PyTorch环境的配置及安装(GPU版)
最新发布
2401_87815488的博客
06-15 372
本文介绍了PyTorch深度学习框架的安装流程：（1）首先安装Anaconda并验证；（2）确认电脑配置英伟达显卡；（3）创建PyTorch环境并使用conda激活；（4）通过官网命令行安装PyTorch；（5）验证安装结果，包括检查GPU是否可用。整个安装过程需确保环境配置正确，最终通过torch.cuda.is_available()返回True表明安装成功。适用于具备NVIDIA显卡并需要GPU加速PyTorch计算的环境搭建。
PyTorch安装教程（GPU版）
qq_45670495的博客
08-03 3万+
PyTorch的GPU安装方法，有详细的图过程，从显卡驱动到安装成功。
pytorch gpu版本安装
Vv____vV的博客
03-12 3816
正确的安装顺序安装一个pytorch gpu版本只需要如下步骤：一共要安装四个东西cuda，nVidia，pytorch和cudnn。如果torch.cuda.is_available()返回True，那么您的计算机上已经安装了NVIDIA显卡驱动程序，可以使用GPU进行计算。但是，要使用PyTorch的GPU计算模块，仅有NVIDIA显卡驱动程序是不够的，还需要安装CUDA和cuDNN。
pytorch GPU版本安装
热门推荐
悟以往之不谏，知来者之可追
01-25 4万+
2020年8月，最新必看Python+cuda10.2（或10.1）+Python 3.7版，30分钟完成安装（5小时血泪体验）pro测试可用！！防坑！！,202008,pytorchcuda102,101python37,30min,五小时,经验,亲测 <script> var _hmt = _hmt || []; (function() { var hm = document.createElement("script"
安装pytorch （GPU版本）
qq_27550775的博客
07-23 1627
这我就很疑惑了，后来我在.conda同级的文件.condarc中发现了，我在第二次安装时，anaconda 的路径名是小写，在这个文件后添加导致了错误，你们没有重复安装的经历，应该没有这样的错误。我的机子cuda版本为12.3，算是比较高的那个，但是pytorch官网现阶段只放出了cuda11.8和12.1，建议11.8，因为有的不向下兼容。下载的过程可以看一集甄嬛传（用镜像源的同学肯定不可以），所以还是打开路径下的pkgs文件，你刚才下载的包都在这个路径下。键入conda info查询信息。
基于Pytorch框架的YOLOv1代码框架——Pytorch YOLOv1 master.zip
01-08
在本次提供的文件中，包含了基于PyTorch框架的YOLOv1代码框架，文件名称为Pytorch-YOLOv1-master-main和一个基于PyTorch框架的YOLOv1代码框架_Pytorch-YOLOv1-master。这些文件中，开发者可能会包含YOLOv1的核心组件...
PyTorch-YOLOv3(eriklindernoren)训练教程
qq_32244493的博客
11-12 4211
笔记教程，方便自己回忆 系统：Ubuntu 18.04 1、准备工作 1.1、克隆项目 为了防止文件夹混乱，自己在主目录下cd ~创建一个文件夹mkdir YOLOv3，专门用于存放关于YOLOv3的一些工作。 进入YOLOv3cd YOLOv3 克隆git clone https://github.com/eriklindernoren/PyTorch-YOLOv3 1.2、安装模块 创建虚拟环境conda create -n yolov3-pytorch python=3.6，之前安装的虚拟.
yolov5，如何使用CPU/GPU运行——安装环境及依赖（详细，简单易懂）
weixin_68922189的博客
11-16 2万+
yolov5很适合作为计算机视觉入门项目，但是在自己修改模型之前，项目的导入、配置对初学者来说，是一个比较繁琐的过程。博主这篇博客希望能够对初入项目领域的初学者起到一些帮助，希望能够在配置环境，安装依赖的过程中，起到参考作用。有任何问题，可以在评论区留言。t=N7T8。
Pytorch配置——为深度学习YOLOv5配置环境记录
2301_81766866的博客
03-10 1032
Pytorch配置——为深度学习YOLOv5配置环境记录 全过程记录，零基础可用
Pytorch安装（GPU版本）
Maple__Boy
03-02 1162
1、检查是否具有合适的GPU， 如有则安装Cuda,Cudnn (1)检查电脑是否有合适的GPU 在桌面上右击如果能找到NVIDA控制面板，则说明该电脑有GPU。控制面板如下，并通过查看系统信息获取支持的Cuda版本。 (2)下载Cuda 官网：https://developer.nvidia.com/cuda-10.1-download-archive-update2 在https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
GPU版PyTorch安装
cherryc_的博客
02-26 3852
显卡4060，CUDA11.3+Pytorch1.12.0配置
2024小白安装Pytorch-GPU版（Anaconda，CUDA，cuDNN讲解）
Sayega的博客
10-18 1万+
本帖子记录自己作为一个0基础小白安装pytorch的过程，和遇到的一些问题及解决办法。系统：Windows，有NVDI显卡注意：这个临时路径别和后面的安装路径不要一致，否则安装完会找不到CUDA文件默认选第一个就行，如果安装失败了，就要选第二个了。查看是否安装成功打开cmd输入：nvcc -V大家遇到问题可以csdn上看看其他大佬弄的或者问问AI，有时候也挺好用。祝大家学习愉快！
安装Pytorch的GPU 版本
m0_57782802的博客
12-08 390
跟着李沐学AI 安装中的问题
Pytorch(GPU版)安装
qq_61844928的博客
04-09 423
【代码】Pytorch(GPU版)安装。
(GPU版本） PyTorch安装教程
Wang_sweet的博客
03-05 6091
Pytorch安装，详细入门级教程。（包含官网命令行安装和离线安装）
yolov5安装pytorch
03-28
### YOLOv5 中正确安装 PyTorch 的兼容版本 为了确保 YOLOv5 能够正常运行，需要为其配置合适的 PyTorch 版本。以下是关于如何在 YOLOv5 中正确安装并验证 PyTorch 兼容性的说明。 #### 1. 确定 Python 和 PyTorch 的兼容性 YOLOv5 推荐使用的环境通常基于特定的 Python 和 PyTorch 组合。根据已有信息，Python 3.7 是支持的一个主要版本[^1]。对于 PyTorch 的具体版本需求： - 如果使用的是较新的 CUDA 或 cuDNN，则可以选择更高版本的 PyTorch（如 `torch==1.8.0` 和 `torchvision==0.9.0`），这可以通过 Conda 渠道轻松完成安装[^2]。 ```bash conda install pytorch==1.8.0 torchvision==0.9.0 -c conda-forge ``` - 对于不依赖 GPU 加速的情况或者较低硬件规格的需求，可以考虑早期稳定版组合（如 `torch==1.7.1` 和 `torchvision==0.8.2`）。这些版本已经经过测试能够很好地适配 YOLOv5。 #### 2. 安装步骤概述 无论选择哪个版本，都需要遵循以下通用流程来设置开发环境： ##### 创建虚拟环境 建议先创建一个新的虚拟环境以隔离不同项目的依赖关系： ```bash conda create -n yolov5_env python=3.7 conda activate yolov5_env ``` ##### 下载 YOLOv5 源码 克隆官方仓库到本地目录以便后续操作： ```bash git clone https://github.com/ultralytics/yolov5.git cd yolov5 ``` ##### 安装必要的库文件 通过 pip 工具加载所需的全部外部模块，包括但不限于 NumPy、Matplotlib 及 OpenCV 等组件： ```bash pip install -r requirements.txt ``` #### 3. 验证安装成功与否 最后一步非常重要——确认所选框架及其附加工具链均能无误启动。执行如下命令可快速检验当前状态是否满足预期条件： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) ``` 如果输出显示正确的 PyTorch 版本号，并且当存在 NVIDIA 显卡驱动程序时返回 True 表明已启用 CUDA 支持，则表明整个过程顺利完成。 --- ####
评论 2
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

打赏作者

晓shuo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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