Win10+Anaconda安装CPU版本Pytorch与GPU版Pytorch(CUDA 9.0) |
您所在的位置:网站首页 › pytorch gpu和cpu区别 › Win10+Anaconda安装CPU版本Pytorch与GPU版Pytorch(CUDA 9.0) |
Win10+Anaconda安装CPU版本Pytorch与GPU版Pytorch(CUDA 9.0)
一、安装CPU版本1、添加清华源2、创建并激活一个新环境3、安装依赖4、使用yolov3检测
二、安装GPU版本1、安装前言2、打开anaconda Prompt并创建新环境3、安装Pytorch4、在Pycharm中验证
一、安装CPU版本
1、添加清华源
防止下载速度过慢,我们需要先添加清华源:(在安装的Anaconda程序中的Anaconda prompt中添加) 设置搜索时显示通道地址: conda config --set show_channel_urls yes 2、创建并激活一个新环境进入Anaconda程序中的Anaconda prompt: conda create -n pytorch-cpu python=3.7 #创建环境 conda activate pytorch-cpu #激活环境 3、安装依赖建议一个一个安装 对于第一个命令我们应该去掉-c pytorch,这样才是调用我们添加的清华源而不是默认源。 除了第一句命令,后面的命令是后面用来验证用到的包 //pytorch conda install pytorch torchvision cpuonly -c pytorch //opencv-python pip install opencv-python //numpy conda install numpy //pillow conda install pillow //tqdm conda install tqdm //matplotlib conda install matplotlib 4、使用yolov3检测下载源码(就在cmd中下载即可): git clone https://github.com/ultralytics/yolov3.git我们需要准备的: 1.网络模型(.weight),放入./weight文件夹中 2.网络文件(.cfg)yolov3-tiny.cfg,./cfg文件夹中已存在 3.数据类别(.names)使用默认coco.names,共80类 4.测试图像 放在./data/samples/目录中 准备完全的项目:下载地址 提取码:sw0c 打开根目录下的detect.py,169-184行为检测时的一些参数,测试时将下图红框位置更改为上步放入的文件: 由于本人在前面是安装了tensorflow-gpu的,所以那时候已经将CUDA及CUDNN安装完成。大家可以去参考参考安装教程:参考教程 2、打开anaconda Prompt并创建新环境 #创建新环境 conda create --name pytorch-gpu python=3.7 #激活环境 conda activate pytorc-gpu #关闭该环境的话,输入指令 conda deactivate 3、安装Pytorch进入Pytorch官网 选择自己需要的版本并查看下面的命令: 运行Pycharm,新建python文件输入下面命令: import torch print(torch.cuda.is_available())选择对应的Python环境: |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |