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）
|
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： |
我是在Pycharm下面运行的文件： 
结果如上图所示，结果保存在.\yolov3\outpt中： 
由于我安装的是CUDA9.0，上面没有这个版本，所以需要去previous-versions网站查找以前版本的安装命令。 
同样的需要去掉-c pytorch。 激活我们前面创建的pytorch-gpu环境，运行上面的命令，若是下载失败，记得换源并多次下载即可。
选择刚刚创建的pytorch-gpu: 
最后结果： 
最后运行刚刚创建的Python文件，出现下面即是成功： 
【本文地址】