win10+anaconda+pychram+YOLO开发环境搭建

本文详细介绍了在Windows 10上安装TensorFlow-GPU的步骤,包括下载Anaconda、获取适用于TensorFlow 2.0.0的CUDA和cuDNN、配置环境、安装Python库及PyCharm,以及解决PyCharm导入TensorFlow时可能出现的问题。此外,还提供了PyCharm的汉化方法,帮助开发者顺利进行GPU加速的深度学习训练。

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

想在win10上面训练网络的小伙伴看过来,之前找了很多教程发现都是这里问题,那里问题,今天就开始一次性解决吧,只需要很简单的几步。

首先

(1)下载一个anaconda 

下载完成之后

(2)打开这个网站

https://www.tensorflow.org/install/source_windows

看到下面的这个表这个是tf的版本对于的环境 

如果你想装tf2.0.0 你就需要cudnn7.4+cuda10

接下来我们

(3)去找cudnn7.4+cuda10

这个是cuda10的https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

直接下载得到安装包安装

下载得到cudnn7.4.1.5

全部安装后

(4)进入anaconda虚拟环境

直接

pip install tensorflow-gpu==2.0.0

(5)打开python

输入

import tensorflow as tf

tf.__vervison__

(6)下载pychram

https://www.jetbrains.com/pycharm/download/#section=windows

(7)创建新项目

(8)测试是否能用

测试代码:

import tensorflow as tf


import tensorflow as tf

tensorflow_version =tf.__version__


#以下两行代码适合有布置gpu环境的
gpu_available = tf.test.is_gpu_available()

print("tensorflow version:",tensorflow_version,"\tGPU available:",gpu_available)


a = tf.constant([1.0,2.0],name="a")
b = tf.constant([1.0,2.0],name="b")

result = tf.add(a,b,name="add")

print(result)

 

 

(9)关于pychram汉化

 

选择Settings

找到Plugins 

输入Chinese>安装>重启使用

 

(10)避坑

1)关于PyCharm ImportError: No module named tensorflow

解决方案:

anaconda上面输入代码查看虚拟环境

conda info --env

复制虚拟环境的位置放到下面的位置

再次运行代码,成功。

 

 

### 在 Jetson Orin Nano 上通过 Anaconda 搭建 YOLO 环境 为了在 Jetson Orin Nano 上成功搭建 YOLO 环境,以下是详细的说明和操作方法: #### 1. 安装 Anaconda 或 Miniconda 考虑到开发板的空间以及对环境管理的需求,在 Jetson Orin Nano 上安装 Anaconda 是一种常见做法。如果希望减少占用空间,也可以选择 Miniforge 或 Miniconda[^2]。 可以通过以下命令下载并安装 Miniconda(适用于 ARM 架构): ```bash wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh chmod +x Miniconda3-latest-Linux-aarch64.sh ./Miniconda3-latest-Linux-aarch64.sh ``` 完成安装后,初始化 Conda 并验证其是否正常工作: ```bash source ~/.bashrc conda --version ``` #### 2. 创建 Python 虚拟环境 根据需求创建一个新的虚拟环境,并指定所需的 Python 版本。对于 YOLOv8 的支持,推荐使用 Python 3.8 或更高版本[^1]。 ```bash conda create -n yolo_env python=3.8 conda activate yolo_env ``` 激活该环境后,可以确认当前使用的 Python 版本: ```python import sys print(sys.version) ``` #### 3. 配置 CUDA 和 PyTorch 支持 Jetson Orin Nano 自带 NVIDIA GPU 加速功能,因此需要适配相应的 CUDA 工具链和支持框架。具体步骤如下: - **安装 cuDNN 和 CUDA Toolkit** 使用官方预编译包或者手动配置 CUDA 库。通常情况下,NVIDIA 提供的 JetPack SDK 中已经包含了必要的驱动程序和工具集[^4]。 - **安装 PyTorch** 下载适合 Jetson 设备架构的 PyTorch 版本。例如: ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117 ``` #### 4. 安装 Ultralytics (YOLOv8 所需库) Ultralytics 是实现 YOLOv8 功能的核心依赖项。可以直接通过 `pip` 进行安装: ```bash pip install ultralytics ``` 测试安装是否成功的方法之一是尝试导入模块: ```python from ultralytics import YOLO model = YOLO('yolov8n.pt') # 加载模型权重文件 ``` #### 5. 测试环境设置 最后一步是对整个流程进行验证。加载一张图片并通过训练好的模型执行推理任务: ```python results = model.predict(source='test_image.jpg', save=True, imgsz=640) ``` 以上过程涵盖了从基础环境准备到高级应用的具体实施细节[^3]。 ---
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

高高呀~

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
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