通用的CUDA、cuDNN、anaconda、pytorch环境配置详细过程 |
您所在的位置:网站首页 › kaggle配置yolov5 › 通用的CUDA、cuDNN、anaconda、pytorch环境配置详细过程 |
YOLOv5配置过程详解 测试结果展示: 目录 〇、相关项简介 一、CUDA&cuDNN (一)Windows 1.官网下载CUDA 2.官网下载cuDNN 3.安装CUDA 3.1temp_path(默认就好) 3.2自定义选项 3.3选择安装位置(建议默认) 3.4安装结果: 3.5 在系统中添加五个环境变量 3.6 在系统变量 Path 的末尾添加环境变量 3.6.1添加 3.6.2添加另外五个环境变量 4.安装cuDNN 4.1解压 4.2复制 5.测试安装成功 (二)Linux 二、Anaconda&PyTorch (一)Windows 1.官网下载Anaconda 2.安装Anaconda(建议使用默认安装位置) 3.运行、配置Anaconda 3.1运行 3.2添加镜像 (二)Linux 4.创建虚拟环境、安装PyTorch 4.1创建虚拟环境 4.2激活环境 4.3在所创建虚拟环境下安装pytorch 三、YOLOv5 1.下载源码及权重文件 2.在激活的虚拟环境中,cd到源码文件夹下 3.在源码文件夹下安装所需库 4.测试运行 参考: YOLOv5(PyTorch)目标检测:原理与源码解析-yolov5损失函数,yolov5检测框,yolov5非极大值抑制-深度学习视频教程-人工智能-CSDN程序员研修院 史上最详细yolov5环境配置搭建+配置所需文件_想到好名再改的博客-CSDN博客_yolov5环境配置 win10下安装pytorch报错InvalidArchiveError(‘Error with archive D:\\anaconda\\pkgs\\pytorch-1.2.0-py3.6····_winnie爱学习的博客-CSDN博客 yolov5输出结果无法检测到目标 - 知乎 〇、相关项简介CUDA(Compute Unified Device Architecture,统一计算架构)是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。 cuDNN 是基于CUDA的用于深度神经网络的GPU加速库,有了它才能在GPU上完成深度学习的计算。 cuDNN是插入式设计,即所谓安装只需把cuDNN文件复制到CUDA对应文件夹就可以了。 (关于CUDA 与 cuDNN,CUDA与cuDNN - 简书) Anaconda 是一个用于科学计算的Python发行版,里面预装好了conda、某个版本的python以及一般可能用到的numpy、scipy、pandas等常见的科学计算包及其依赖项。 Conda 是一个包管理器。 PyTorch 是torch的python版本,是由facebook开源的神经网络框架,专门针对GPU加速的深度神经网络(DNN)编程。 Torch 是一个经典的对多维矩阵数据进行操作的张量(tensor)库。 (关于PyTorch 与 Torch,pytorch简介_bestrivern的博客-CSDN博客_pytorch简介) 相关官网: 英伟达CUDA Toolkit历史工具包的网址: https://developer.nvidia.com/cuda-toolkit-archive cuDNN官网 https://developer.nvidia.com/cudnn pytorch官网 https://pytorch.org/get-started/locally/ pytorch历史版本 https://pytorch.org/get-started/previous-versions/ 以下演示示例环境为Windows10/11操作系统,Linux操作系统官网查询下载链接时请选择对应操作系统。 一、CUDA&cuDNN (一)WindowsWindows11安装CUDA11.8(包含环境配置),参考: PyTorch深度学习环境安装(Anaconda、CUDA、cuDNN)及关联PyCharm_anaconda cuda安装_毒爪的小新的博客-CSDN博客TytorchPython机器学习库,基于Torch,用于自然语言处理等应用程序Anaconda:是默认的python包和环境管理工具,安装了anaconda,就默认安装了condaCUDACUDA是一种由显卡厂商NVIDIA推出的通用并行计算架构,该架构使GPU能解决复杂的计算问题,可用来计算深度学习cuDNN:是基于CUDA的深度学习GPU加速库,有了它才能在GPU上完成深度学习的计算。_anaconda cuda安装 PyTorch深度学习环境安装(Anaconda、CUDA、cuDNN)及关联PyCharm1. 关系讲解 Tytorch:Python机器学习库,基于Torch,用于自然语言处理等应用程序 Anaconda:是默认的python包和环境管理工具,安装了anaconda,就默认安装了conda CUDA:CUDA是一种由显卡厂商NVIDI… Windows11多版本CUDA安装,参考:Windows下CUDA多版本共存_多个cuda版本共存-CSDN博客一、 参考资料tensorflow各个版本的CUDA以及Cudnn版本对应关系windows下同一个显卡配置多个CUDA工具包以及它们之间的切换CUDA、CUDNN在windows下的安装及配置二、相关介绍CUDA与显卡驱动没有对应关系,更新显卡驱动到最新版本即可,显卡驱动下载地址。cuDNN与CUDA版本要对应。CUDA是NVIDIA推出的用于自家GPU的并行计算框架,CUDA的本质是一个工具包(ToolKit)。cuDNN是一个SDK,是一个专门用于神经网络的加速包。安装CUDA过程_多个cuda版本共存 Windows11安装CUDA11.3(包含环境配置),参考 win11+cuda11.3+cudnn11.3+Anaconda+PyTorch_cudn11.3_草古的博客-CSDN博客windos11系统下安装cuda11.3、cudnn11.3、Anaconda、PyTorch全过程。_cudn11.3 Windows11安装CUDA10.2,如下: 1.官网下载CUDA查看本机支持的CUDA版本 nvidia-smi选择安装的CUDA版本号 安全,用户的权限 允许“完全控制” 参考:Ubuntu安装Anaconda步骤及常用命令_starky0729的博客-CSDN博客Ubuntu中Anaconda 安装_ubuntu安装anaconda ---------------------------------------------------------- 4.创建虚拟环境、安装PyTorch注: pytorch官网 https://pytorch.org/get-started/locally/ pytorch历史版本网站 https://pytorch.org/get-started/previous-versions/ 4.1创建虚拟环境 conda create -n yolov5_cuda10.2 python=3.8其中 “yolov5_cuda10.2” 是虚拟环境的名字 随便起 这就是虚拟环境具体的位置(其中D:\software\anaconda\Anaconda3为我的anaconda安装位置): 在所创建环境下安装pytorch: conda install pytorch torchvision cudatoolkit=10.2 -c pytorch至此已经安装好Anaconda,使用其创建了虚拟环境,并在虚拟环境中安装了pytorch。 下面下载YOLOv5源码并尝试运行。 三、YOLOv5 1.下载源码及权重文件GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite 最下面: 解压 这是源码的文件结构,weights文件夹是存放权重文件的地方: 下载权重文件到weights文件夹中: 尝试运行: python detect.py --source ./data/images/ --weights weights/yolov5s.pt --conf 0.4我的环境: 操作系统:Windows10/11 显卡:NVIDIA GeForce GTX1650 CUDA版本:10.2 YOLOv5版本:4.0 运行结果: 如有错误,欢迎大家指出。 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |