连命令行都不知道在哪里打开、下载github文件不知道如何运行的手把手教程👇
0. 安装Anaconda和Pycharm
https://www.anaconda/
https://www.jetbrains/pycharm/
为什么使用Anaconda+Pycharm?
(1)conda配置虚拟环境十分便捷,且配置好的环境可以在Pycharm中加载
(2)Pycharm编程功能更强,可以运行复杂的项目
想进一步理解Python, Anaconda和Pycharm,可自行检索这三者的关系。
1. 下载github项目
1.1 点击Download ZIP下载并解压到指定目录
注:github需要挂梯子
1.2 文件夹中有【requirements.txt】,包含所有项目所需的模块信息。
2. anaconda创建并配置环境(配置GPU版本的Pytorch请查看4)
2.1 点开Prompt
2.2 逐条输入以下代码:
考虑兼容性,建议python用3.8.8版本,3.10和3.9都有过报错情况
conda create --name YourEnvName python=3.8.8 # 创建环境 YourEnvName是你需要命名的环境,比如可以命名为yolov5
conda activate YourEnvName # 激活环境
cd D:/DeepLearning/ # cd到有requirements的目录 cd是切换目录命令
pip install -r requirements.txt # 安装项目需要的所有包
附几个常用的conda命令:
conda env list # 查看所有环境
conda list # 查看所有包
conda remove -n YourEnvName --all # 删除虚拟环境
至此,已配置好项目环境。
3. Pycharm配置安装好的环境
Settings中选择配置好的Python环境即可,项目不报错即配置完成,可开始尝试运行train.py文件训练、运行detect.py文件预测。
4. Anaconda配置GPU版本的Pytorch
Pytorch是是一个开源的深度学习框架,提供两个高级功能:
(1)具有强大的GPU加速的张量计算(如NumPy)。
(2)包含自动求导系统的深度神经网络。
开源深度学习框架还有Tensorflow, MxNet等。
接下来的安装部分参考《动手学深度学习》官方
安装 — 动手学深度学习 2.0.0-beta1 documentation
(1)如果用pip install -r requirements.txt默认安装的是cpu版本的Pytorch
因此先删除这个版本,
conda uninstall torch
(2)安装驱动
在cmd中输入
nvidia-smi
出现如下界面,左边的红框显示的是驱动版本,右边红框显示的是该驱动所能安装的最高版本的CUDA,如未安装可以先取官网下载对应的驱动进行安装,由于CUDA驱动向下兼容性较强,因此建议安装最新版本的驱动。
——虽然可以安装11.6,但由于Pytorch版本问题,我装了11.3
CUDA Toolkit 11.3 Downloads | NVIDIA Developer
按步骤安装即可
nvcc --version
验证是否安装完成
(3)用whl文件安装PyTorch
用wheel安装是因为:
很多情况下由于国内源的种种原因,可能安装的是150M左右的cpu版本的pytorch,在安装numpy等科学库时会自动提示更新。
如果用国内镜像源conda/pip安装,会发现pytorch是cpu版本
https://download.pytorch/whl/torch_stable.html
找对应版本下载 我下的是
torch-1.12.1+cu113-cp38-cp38-win_amd64.whl
(conda activate指定虚拟环境,cd到指定whl文件目录,与2中的操作相同)
pip install torch-1.12.1+cu113-cp38-cp38-win_amd64.whl
pip install torchvision-0.13.1+cu113-cp38-cp38-win_amd64.whl
(4)验证安装是否成功
命令行中依次输入
python
import torch
torch.cuda.is_available()
出现True即成功
【Ctrl+Z】退出python
更多推荐
【Anaconda+Pycharm】手把手深度学习环境配置教程,含GPU版本Pytorch安装
发布评论