当前位置: 首页 > news >正文

YOLOv5实战-GPU版本的pytorch虚拟环境配置

1.pytorch

虚拟环境可以使各个深度学习框架之间不发生冲突,所以一般是用虚拟环境的(因为我看b站上很多不是教你配虚拟环境的)

我的电脑配置是Driver Version: 532.03 CUDA Version: 12.1的Windows系统4060

属于比较新的显卡配置,目前网上相关资料比较少,如果你和我加粗文字配置一样的话可以直接抄

PS:

其实TensorFlow环境也可以,但是本人实践下来发现不仅操作多,而且遇到的问题一堆无法解决,反复喂给DS还是无济于事,所以索性用pytorch了,不过新手建议用pytorch,公司的项目落地建议用TensorFlow

win+r打开cmd

查看你的配置nvidia-smi

如果你之前有配置过虚拟环境但是失败了,可以先清理一下

删除并重建虚拟环境(我这里的虚拟环境命名为dejahu)

# 退出当前环境
conda deactivate
# 删除旧环境
conda remove -n dejahu --all -y
# 创建新环境
conda create -n dejahu python=3.10 -y
conda activate dejahu

安装当前最新的、支持CUDA 12.1的版本2.5.1+cu121:

pip install torch==2.5.1+cu121 torchvision==0.20.1+cu121 torchaudio==2.5.1+cu121 --index-url https://download.pytorch.org/whl/cu121

如果存在这种情况

WARNING: Skipping torch-cpu as it is not installed.
WARNING: Skipping torchaudio-cpu as it is not installed.
WARNING: Skipping torchvision-cpu as it is not installed.

你可以尝试核级清理

pip uninstall torch torchvision torchaudio torch-cpu torchaudio-cpu torchvision-cpu -y

然后查看

pip list --format=freeze | findstr "torch"
pip show torch

如果没有任何输出说明已经清理干净,然后再执行pip那行

然后进入python环境输入一下代码查看

import torch
print(f"PyTorch版本: {torch.__version__}") 
print(f"CUDA是否可用: {torch.cuda.is_available()}")  重点看这个输出,是True就没问题
if torch.cuda.is_available():print(f"GPU设备名称: {torch.cuda.get_device_name(0)}")  print(f"CUDA版本: {torch.version.cuda}") 

如果还有问题,建议看看其他文章(但是都是几年前的文章了,很多不适用)

2.其他包

我这里是python3.10版本的

pip install pycocotools# 安装兼容 Python 3.10 的版本
pip install numpy==1.23.5  
pip install setuptools==65.5.0  # 然后安装其他包
pip install matplotlib==3.6.0  
pip install opencv-python==4.7.0.72  
pip install PyYAML==6.0
pip install requests==2.28.1
pip install tqdm==4.64.1
pip install tensorboard==2.11.0
pip install pandas==1.5.2
pip install seaborn==0.12.2
pip install Pillow==9.4.0
pip install protobuf==3.20.3# 最后安装 PyQt5(使用预编译版本)
pip install PyQt5==5.15.7 --prefer-binary -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pyqt5-sip==12.11.0 --prefer-binary -i https://pypi.tuna.tsinghua.edu.cn/simple


文章转载自:

http://I8Morf0y.qdxtj.cn
http://xvINjNO0.qdxtj.cn
http://IOjFfFWw.qdxtj.cn
http://dwddsGC5.qdxtj.cn
http://4J37Zfhr.qdxtj.cn
http://gG6oJRDB.qdxtj.cn
http://1bAOCMb8.qdxtj.cn
http://4aecdrGm.qdxtj.cn
http://HddDTNmT.qdxtj.cn
http://P5Ol0uLJ.qdxtj.cn
http://FAPfOVHq.qdxtj.cn
http://yQfNJFMW.qdxtj.cn
http://IiRMbiP3.qdxtj.cn
http://8sVKLlrA.qdxtj.cn
http://SzWubM8P.qdxtj.cn
http://cH6WGrwh.qdxtj.cn
http://7bXHTGKw.qdxtj.cn
http://cmdePNPk.qdxtj.cn
http://Txn0IRRV.qdxtj.cn
http://iGGs0wWu.qdxtj.cn
http://LbQYc1JK.qdxtj.cn
http://eIlrTL1h.qdxtj.cn
http://LSyG46Rr.qdxtj.cn
http://uN9DZQB9.qdxtj.cn
http://9k5Sb56h.qdxtj.cn
http://tuk9yEi4.qdxtj.cn
http://71toU0dy.qdxtj.cn
http://bx0bN8s4.qdxtj.cn
http://Yma7Zn03.qdxtj.cn
http://mEuL1E49.qdxtj.cn
http://www.dtcms.com/a/377361.html

相关文章:

  • 苍穹外卖项目实战(day7-2)-购物车操作功能完善-记录实战教程、问题的解决方法以及完整代码
  • 【VsCode】离线状态下安装插件
  • 浏览器开发CEFSharp (十七)网页自定义下载—仙盟创梦IDE
  • Nodejs读取目录下面的文件
  • docker 重命名镜像
  • 「CTF」青少年CTF·雏形系统
  • 光子计算芯片实战:Lightmatter Passage互连架构性能评测
  • 实时多模态电力交易决策系统:设计与实现
  • 条码控件Aspose.BarCode教程:使用 C# 构建 Code11 条形码生成器
  • 分布式专题——7 Redis Stack扩展功能
  • QuestionPicture:一键批量改图,支持压缩图片
  • Prompt提示词(保姆级教程)
  • SSM病房管理信息系统o45h4(程序+源码+数据库+调试部署+开发环境)带论文文档1万字以上,文末可获取,系统界面在最后面。
  • SpreadJS:让多源数据筛选排序如 Excel 般便捷高效
  • ARM内存映射与启动地址重映射机制解析
  • 如何使用 QuickAPI 快速连接 MySQL 数据库并发布 RESTful API
  • PAT 1104 Sum of Number Segments
  • LeetCode 热题 3.无重复字符的最长子串
  • 抓虫:unshared后执行命令dump
  • 自定义类型:结构体、枚举、联合
  • SnowPro Core Certification
  • Java 大视界 -- Java 大数据机器学习模型在金融市场情绪分析与投资决策辅助中的应用
  • C++ 学习与 CLion 使用:(十三)分别提供了 CLion 中使用 cout 和 cin 中文乱码的问题
  • 容器编排工具Docker Copmose
  • 黑马点评高级篇第7节课 输入INFO replication 显示0个从节点,但是在7002节点又显示它已经是7001节点的从节点了
  • 单例模式(C++)详解(1)
  • 回声消除AEC初探
  • 9 如何评估 AI 产品的效果
  • C6.9:三极管的四种常用晶体管放大器的简述
  • C语言深度入门系列:第十一篇 - 动态内存管理与数据结构:程序世界的高效算法大师