?Pytorch版本介绍

torch：1.6

CUDA：10.2

cuDNN：8.1.0

?安装 NVIDIA 显卡驱动程序

一般 电脑出厂/装完系统 会自动安装显卡驱动

如果有 可直接进行下一步

下载链接

选择和自己显卡相匹配的显卡驱动

下载安装

?确认项目所需torch版本

# pip install -r requirements.txt

# base ----------------------------------------
Cython
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.2
pillow
PyYAML>=5.3
scipy>=1.4.1
tensorboard>=2.2
torch>=1.6.0
torchvision>=0.7.0
tqdm>=4.41.0

# coco ----------------------------------------
# pycocotools>=2.0

# export --------------------------------------
# packaging  # for coremltools
# coremltools==4.0
# onnx>=1.7.0
# scikit-learn==0.19.2  # for coreml quantization

# extras --------------------------------------
# thop  # FLOPS computation
# seaborn  # plotting

例如此项目需求torch>=1.6

在PyTorch官网查看与之匹配的CUDA版本

这里可以从conda命令看出 torch1.6 可以安装10.2版本的CUDA

torch与CUDA版本一定要匹配！

?安装 CUDA

NVIDIA控制面板 -> 帮助 -> 系统信息 -> 组件

查看NVCUDA.DLL 后的参数

本机是10.2

//如果更新了显卡驱动这里参数可能会变高

下载的CUDA版本可以低于这里显示的参数 但是一定要与torch版本匹配

下载

下载链接

//上面的链接默认下载的是最新版本的CUDA

要下载之前版本的CUDA在上述下载页面下滑 然后点击 ”CUDA早期版本档案”

或者直接点击 跳转

选择CUDA Toolkit 10.2

选择对应操作系统版本然后点击Download

！Installer Type一定要选exe(local)

安装

安装完成

在Terminal输入以下命令

nvcc -V

显示CUDA版本则相关环境变量已经自动配置

?安装cuDNN

下载

下载链接

选择和操作系统以及CUDA相匹配的cuDNN版本

这里选择

安装

解压下载的zip

把解压得到的文件夹内的bin、include、lib目录下的dll文件与h文件分别复制到相应的CUDA的安装目录下

默认安装目录分别为

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib

?安装PyTorch

在线安装

在PyTorch官方链接上查看相应安装命令

例如我要安装CUDA10.2版本的torch1.6 对应的conda命令是

# CUDA 10.2
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2 -c pytorch

！在线安装速度很慢 可以选择下面离线安装的方法

离线安装

whl下载链接

选择对应CUDA、Python、操作系统、torch版本的whl

例如我要安装CUDA10.2、Python3.8、torch1.6 版本的whl

应下载

例如我要安装CUDA10.2、Python3.8、torchvision0.7 版本的whl

应下载

然后在conda环境中安装

pip install torch-1.6.0-cp38-cp38-win_amd64.whl

pip install torchvision-0.7.0-cp38-cp38-win_amd64.whl

安装完成

?确认环境是否配置成功

import torch

print(torch.__version__)
print(torch.cuda.is_available())

如上所示环境配置成功

?转载请注明出处

本文作者：双份浓缩馥芮白

原文链接：

版权所有，如需转载请注明出处。