我又来了~这次解决了因为有多个python，cmd中pytorch安装了gpu可是pycharm不能用的问题

已于 2024-04-13 18:04:46 修改
阅读量436 收藏
点赞数
文章标签： python pytorch pycharm
于 2023-08-25 17:00:57 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/qq_43729464/article/details/132499541
版权
文章讲述了作者在使用Python时遇到的TorchGPU版本问题，最初通过PyCharm设置安装的非GPU版本，后来通过命令行重装并指定cu118版本解决了问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

我使用的python解释器的地址是D:\python.exe
cuda是118
所以我的安装语句是

D:\python.exe -m pip install torch -f https://download.pytorch.org/whl/cu118/torch_stable.html

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

又遇到问题了，之前可能是用pycharm自带的设置里安装过torch，结果又不是gpu版本了，在设置里卸载torch之后又用上边的语句进行安装，又好了。

如约而至
关注
不使用Anaconda安装Python、PyCharm、PyTorch，以及在PyCharm中使用PyTorch
weixin_43786684的博客
01-08 9313
不使用Anaconda安装Python、PyCharm、Pytorch，以及在PyCharm中使用Pytorch 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。 新的改变 我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客： 全新的界面设计 ，将会带来全新的写作
Anaconda+pycharm+pytorch安装教程（GPU版）
weixin_45892910的博客
03-01 2100
Anaconda+pycharm+pytorch安装教程
解决Ubuntu18中的pycharm不能调用tensorflow-gpu的问题
09-24
主要介绍了解决Ubuntu18中的pycharm不能调用tensorflow-gpu的问题，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
tensorflow_gpu 命令行能用但pycharm里不能用
qq_33619359的博客
09-27 2159
遇到了很奇怪的事儿，pycharm里面调用tensorflow_gpu输出false import tensorflow as tf print(tf.test.is_gpu_available()) 我是用conda装的，在setting- 里能找到tensorflow_gpu 1.14.0。。。。。。 ctrl+alt+t 打开terminal，source activate tf2 进环境，python 进编译，测试上边的代码是true。。。 呵呵了我去年买了个表 最后cd到pycharm安装路径下
关于pycharm使用anaconda虚拟环境的python解释器一系列报错的解决方法
最新发布
2401_88146537的博客
04-09 870
在使用pycharm使用anaconda创建的虚拟环境中的python解释器的过程中，我遇到了一系列配置问题，例如等，在一系列平台上也只能找到零零碎碎的解决方法，以下我将会带来完整的解决方法。以下是我所使用的工具版本：分别为anaconda2024版和pycharm2024版。1.首先，安装这两款软件，直接按照下一步安装即可。2.进行anaconda虚拟环境的建立。
cmd中能检测到pytorch但pycharm却无法检测
Yukeebailu的博客
02-20 2043
无法找到pytorch
pycharm不能调用tensorflow-gpu的问题
jenkinwey的博客
05-11 2793
pycharm不能调用tensorflow-gpu的问题 在终端import tensorflow没有问题↓ 但是在pycharm中导入却不能使用GPU 报错： W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'libcudart.so.11.0'; dlerror: libcudart.so.11.0: cannot open shared object file:
电脑（含有英伟达GPU）跑pytorch框架代码时不可用GPU解决办法
QHCV的博客
09-16 1595
没有安装对应的CUDA toolkit（toolkit就是指工具包）和。按上面的操作结束后使用conda新建一个环境安装然后安装pytorch。看是否可用，新建一个python文件，运行下面的代码。cuDNN（用于配置深度学习使用）参考下面这篇博客安装对应的。可以看到GPU可用了！
从零开始安装pytorch（包含GPU和CPU版本的安装）
热门推荐
qiaoxinyu1989的博客
01-31 7万+
Pytorch是。
Anaconda + PyCharm + PyTorch（GPU） 安装记录
fangyuze_1998的博客
09-19 4061
文章目录前言一、安装步骤1. Anaconda 安装2. PyCharm 安装3. PyTorch安装(GPU)3.1 查看版本信息3.2 cuda 安装3.3 cudnn 安装3.4 PyTorch 安装二、问题&解决方法1.步骤3.3(2)中无法复制：需要管理员权限2.步骤3.4(7)中运行错误：没有相应模块总结 前言 最近想将深度学习作为一个工具应用到研究方向中，所以安装了相关的应用。这里只介绍一下本人电脑配置下的安装步骤。 <Anaconda-环境，PyCharm-代码，PyTorc
Pytorch安装详细教程（Wins+CUDA+Pycharm+GPU）
weixin_47590992的博客
09-02 6564
Pytorch安装教程详解，避开安装过程踩过的雷。
pytorch安装中解决命令行中gpu为true但是pycharm中gpu为false的问题
zgk18839312898的博客
07-07 7622
pytorch安装并应用到pycharm上的一些小问题。
pytorch安装及在PyCharm中下载的pytorh的cuda突然不能用了的解决方法
weixin_47496382的博客
11-07 4195
在命令行输入：nvidia-smi ，查看CUDA版本，这里看到我的CUDA版本为12.0，这里CUDA版本主要是影响安装的torch、torchvision、torchaudio三个组件。刚开始我在PyCharm之前设置的环境中重新安装pytorh，但是一直不行，于是我参考了网上解决方法，重新创建了新的虚拟环境，直接在官网上装Pytorch（GPU）版本，解决了问题。创建完pytorch虚拟环境后，需要安装pytorh版本，这里建议直接从官网上安装，首先退出cmd，重新打开cmd。
tensorflow篇---tensorflow-gpu 用终端能用但是pycharm直接运行不行之解决办法
心惠天意
01-13 2514
终端运行结果 2022-01-13 11:28:50.703903: I tensorflow/stream_executor/platform/default/dso_loader.cc:49] Successfully opened dynamic library libcudart.so.11.0 2022-01-13 11:28:52.229102: I tensorflow/compiler/jit/xla_cpu_device.cc:41] Not creating XLA devices, t
安装了GPU版本的torch却不能用？（已解决来看看）
Fan1534的博客
10-18 2951
将以下七个文件夹全部复制到对应的环境的目录下（即上面一个截图中envs-->unet_implementation-->lib-->site-packages），并把环境中对应的torch全家桶文件夹删除。希望能帮到同样问题的人。已经安装了GPU版本的torch，但是使用torch.cuda.is_available()来验证的时候得到的结果还是一个大大的false。但是我在pycharm中查看解释器中的环境：此时的torch版本又是另一个版本。③这样对比终端的库和pycharm的库一眼发现问题；
pycharm不能调用tensorflow-gpu的问题（搞了一下午，气死个人）
m0_61802230的博客
03-22 5068
问题描述 今天在本地pycharm中远程连接教研室服务器时，出现了无法调用GPU的问题。起初以为是是版本问题，在尝试了输出gpu信息，查看虚拟环境中tf-gpu和cuda的版本后，发现版本匹配，这时我感觉不秒。最不理解是，我通过控制台使用tensorflow-gpu没问题，但是通过pycharm使用却不可以，最终断定是本地的问题，也就是pycharm的问题。 解决办法 在搜集了大量的资料后，发现是本地pycharm编译器找不到虚拟环境中的cuda的信息，因此在pycharm 中添加此信息，具体步骤入下：
pytorch安装问题-cmd中import torch无问题，pycharm报错
zishuijing_dd的博客
04-20 481
pytorch+pycharm
Pytorch 无法识别GPU问题解决方法
Yc Chan 的个人博客
02-27 3148
在本文中，我们将介绍如何解决PyTorch无法识别GPU的问题，并提供一些示例来说明解决方法。在深度学习领域，GPU是加速模型训练和推理的重要工具之一。然而，有时候我们会面临PyTorch无法正确识别GPU的情况，即torch.cuda.is_available()函数返回False。接下来，我们将详细讨论这个问题及其解决方法。
配置yolov4，使用pytorch和CPU和PyCharm，并下载到D盘python_yolov4文件夹里
03-24
<think>好的，我现在需要帮用户配置YOLOv4在PyTorch环境下，使用CPU并在PyCharm中运行，同时项目要放在D盘的python_yolov4文件夹里。我得一步步理清楚该怎么做。 首先，用户可能已经安装了Python，但不确定版本。YOLOv4通常需要Python 3.6或更高版本，所以需要确认这一点。如果用户没有安装，需要指导他们安装合适的版本，并建议使用虚拟环境，比如venv或者conda。虚拟环境能避免包冲突，是个好习惯。 接下来是PyTorch的安装。因为用户使用CPU，所以安装命令应该是`pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu`。不过，可能要考虑版本问题，比如是否要指定特定版本的PyTorch，确保兼容性。可能需要检查YOLOv4的PyTorch实现是否有版本要求。 然后是获取YOLOv4的代码。用户需要从GitHub克隆仓库，比如经典的ultralytics版本或者另一个实现，比如Tianxiaomo的版本。需要确认正确的仓库地址，比如https://github.com/WongKinYiu/PyTorch_YOLOv4或者https://github.com/Tianxiaomo/pytorch-YOLOv4。这一步可能需要用户安装Git，或者直接下载ZIP解压到目标文件夹。 接下来是依赖项的安装。通常仓库会有requirements.txt，用户需要运行`pip install -r requirements.txt`来安装必要的库，比如numpy、opencv-python、matplotlib等。需要注意这些依赖是否支持CPU，比如opencv可能需要额外的步骤，但一般通过pip安装应该没问题。 权重的下载也是关键。YOLOv4需要预训练的权重文件，比如yolov4.weights，用户需要从提供的链接下载，并放到项目目录的指定位置，比如weights文件夹。之后可能需要将.weights文件转换为PyTorch的.pth格式，具体取决于所用的仓库。有些仓库提供转换脚本，或者用户需要自己运行转换命令。 配置PyCharm部分，用户需要创建新项目，选择D盘的python_yolov4文件夹作为位置。然后设置解释器，指向之前创建的虚拟环境中的Python解释器。可能需要指导用户如何在PyCharm中添加现有解释器，或者新建一个。 测试运行时，用户可能需要运行detect.py或者类似的脚本，指定图像路径和权重。需要确保输入图片存在，并且路径正确。可能遇到的错误包括路径错误、缺少依赖库、权重文件未正确转换或放置位置不对。这时候需要提示用户检查错误信息，安装缺失的包，确认文件路径。 此外，使用CPU的话，推理速度会比较慢，可能需要提醒用户耐心等待，或者后续考虑优化方法，比如简化模型等。另外，确保代码中设置使用CPU，有些代码可能默认用GPU，需要修改device为'cpu'。 最后，整理步骤时要注意顺序，先准备环境，再获取代码，安装依赖，处理权重，配置PyCharm，最后测试。同时，要给出可能的常见问题解决方法，比如安装失败，路径错误等，帮助用户自行排查。</think>以下是配置YOLOv4环境（基于PyTorch+CPU+PyCharm）的详细步骤： --- ### **1. 环境准备** #### 1.1 安装Python - 确认已安装 **Python 3.7+**（推荐3.8） - 建议使用虚拟环境（如`venv`或`conda`）： ```bash # 创建虚拟环境（以venv为例） python -m venv D:\python_yolov4\venv # 激活环境 D:\python_yolov4\venv\Scripts\activate ``` #### 1.2 安装PyTorch（CPU版） - 运行以下命令安装PyTorch： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu ``` --- ### **2. 下载YOLOv4代码** #### 2.1 克隆仓库到D盘 - 打开PyCharm的终端或系统CMD，执行： ```bash cd D:\python_yolov4 git clone https://github.com/WongKinYiu/PyTorch_YOLOv4.git ``` > 如果未安装Git，可手动下载仓库ZIP并解压到目标文件夹。 #### 2.2 安装依赖库 - 进入项目目录并安装依赖： ```bash cd PyTorch_YOLOv4 pip install -r requirements.txt ``` --- ### **3. 下载预训练权重** #### 3.1 下载权重文件 - 下载官方权重文件（需约250MB）： ```bash # 手动下载地址（复制到浏览器）： https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights ``` - 将`yolov4.weights`保存到路径： ``` D:\python_yolov4\PyTorch_YOLOv4\weights ``` #### 3.2 转换权重格式（可选） - 某些仓库需要将`.weights`转为PyTorch格式： ```bash python convert.py --weights weights/yolov4.weights --output weights/yolov4.pth ``` --- ### **4. PyCharm配置** #### 4.1 创建项目 1. 打开PyCharm → `File` → `New Project` 2. 选择位置： ``` Location: D:\python_yolov4\PyTorch_YOLOv4 ``` 3. 选择虚拟环境解释器： ``` Python Interpreter → Existing → 指向 venv\Scripts\python.exe ``` #### 4.2 验证环境 - 在PyCharm中新建Python文件，输入： ```python import torch print(torch.__version__) # 应输出PyTorch版本 print(torch.cuda.is_available()) # 应为False（使用CPU） ``` --- ### **5. 测试推理** #### 5.1 运行示例代码 - 使用项目自带的`detect.py`（或类似脚本）： ```bash python detect.py --source data/images/bus.jpg --weights weights/yolov4.pth --device cpu ``` #### 5.2 结果查看 - 输出保存在： ``` D:\python_yolov4\PyTorch_YOLOv4\runs\detect ``` --- ### **常见问题解决** 1. **依赖安装失败** - 尝试升级pip：`pip install --upgrade pip` - 手动安装缺失库（如`opencv-python-headless`） 2. **路径错误** - 确保所有文件路径使用`/`或`\\`（Windows系统） 3. **性能问题** - CPU推理较慢，建议缩小输入尺寸（如`--img-size 320`） --- ### **附加说明** - 如果使用其他YOLOv4仓库（如[Tianxiaomo版本](https://github.com/Tianxiaomo/pytorch-YOLOv4)），步骤类似，需注意代码兼容性 - 完整训练需准备自定义数据集，参考官方文档
评论 1
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