深度学习环境配置

写在前面的话：
当今比较流行的深度学习算法，无一例外都涉及到了多维矩阵运算。如果使用python中的普通计算工具，编程量大，编程要求也特别高，这无疑会增大学习的门槛。

由此各大互联网公司，相继推出一系列高维矩阵运算工具，比如pytorch、TensorFlow、飞桨PaddlePaddle等深度学习框架。

在使用这些深度学习框架的时候，不是所有的算法都使用同一个框架，有些公司或个人偏好某一种框架，就会使用对应的深度学习框架。作为使用者，就需要去适配开发者使用的深度学习框架。

我们使用的算法很多，遇到的深度学习框架也是各不相同，这个时候就需要一个能够轻松管理不同框架的工具，在深度学习算法里面用得最多的就是Anaconda。

Anaconda就像一艘航空母舰，可以容纳各种战斗机，每个战斗机又相互独立。

这里的深度学习框架就像各种战斗机，发挥着各自的作用。

好了，下面开始配置深度学习环境。

深度学习环境配置

1、 检查nvidia显卡驱动，安装CUDA，安装cuDNN。

检查nvidia显卡驱动的版本，输入命令：

nvidia-smi

这里显示 nvidia 显卡驱动的版本是 11.7。如果没有任何结果，则需要手动安装对应的驱动程序。显卡驱动程序安装链接：https://www.nvidia.cn/geforce/drivers/。

windows一般不会出现没有显卡驱动的问题，即使有可以选择上面给出的链接，按照电脑的型号，去下载和安装就可以。linux系统大多数情况下，需要单独安装。

linux安装nvida教程：https://blog.youkuaiyun.com/qq_34972053/article/details/127689332。

这个时候，根据显卡的版本去安装 CUDA（CUDA版本不能高于显卡驱动的版本），最后，再去安装cuDNN。

我这里的nvidia显卡驱动版本是11.7，我选择cuda版本为11.3的安装包。

不同版本对应的下载链接https://developer.nvidia.com/cuda-toolkit-archive

根据自己的系统选择对应的安装包。然后下载和安装。

接下来，去安装cuDNN加速库。

安装包下载链接：https://developer.nvidia.com/cudnn-downloads

根据自己的系统和cuda版本选择对应的cuDNN版本。

具体的安装过程可以去看这两个博客，我这里只是给出一个大概的安装步骤。

https://www.cnblogs.com/zhuoss/p/17697706.html

https://blog.youkuaiyun.com/qq_43874102/article/details/123164105

安装完成后检查自己的cuDNN是否安装成功，输入以下指令：

nvcc -V

2、安装anaconda，用于配置虚拟环境。

下载anaconda，国内镜像网址：Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

如果你是在windows系统里面安装，选择一个稍微早一点的版本，这样软件bug可能要少一点，也相对于要稳定一些。我这里选择2023年3月21日发布的一个windows版本。

3、创建虚拟环境

假如，我们要创建一个名字为my_torch的虚拟环境，并且使用版本为3.8.10的python编程语言。

在cmd界面，输入代码如下：

    conda create -n mytorch python=3.8.10

创建完成后，可以用 conda env list 查看所有的虚拟环境。

还可以使用命令激活虚拟环境，假如，我这里需要激活yolo-3这个虚拟环境，则输入以下指令。

conda activate yolo-3

4、 安装pytorch深度学习库

进入官网，根据自己的nvidia版本选择对应的指令。

https://pytorch.org/get-started/previous-versions/

注意，不能选择大于cuda版本的指令安装pytorch，否则会报错。我这里的cuda版本最大为11.7，所以，我只能选择cuda版本小于11.7的指令去安装torch

我这里选择cuda为11.3的指令。在yolo-3虚拟环境激活的状态下，输入以下指令。表明将torch安装在对应的虚拟环境中。这样做的好处是方便管理，每个虚拟环境独立存在，互相不存在干扰，即使删除虚拟环境，也不会影响其它虚拟环境。特别是，在处理不同任务的时候，需要不同的torch版本或者，其它库函数。这就是为什么要创建虚拟环境的原因。

# CUDA 11.3
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113

5、安装YOLOv5 目标检测算法所需要的库函数

我们使用Pycharm代码编辑器，打开YOLOv5源码。源码下载地址：https://github.com/ultralytics/yolov5

打开源代码后，切换虚拟环境。如下图所示。

切换到当前虚拟环境后，打开软件中的terminal终端，并在在里面输入如下指令：

pip install -r requirements.txt

确保网络环境良好，如果有代理，可能需要暂时退出。如果下载速度太慢，可以在指令后面加上清华镜像源。指令如下：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

6、测试环境

配置好环境，安装好对应的库函数后，同时还需要下载好detect.py文件里面设置好的权重文件。

一切准备工作完成过后，直接运行detect.py文件。

出现以上结果，表明环境配置成功。