目录
- 一.查看自己电脑支持的cuda最高版本
- 二.打开Anaconda,进入自己创建的深度学习环境
- 三.这用的是离线安装Pytorch,官网安装太慢
- 1.打开[北京外国语大学镜像站](https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/win-64/?C=M&O=D)
- 2.找到自己所支持的cuda版本<=最高cuda版本,点击下载
- 四.离线安装Pytorch
- 1.打开Anaconda Prompt,激活之前创建的Anaconda的深度学习环境
- 2.第二步:打开下载好的Pytorch离线包所在文件夹位置,复制该地址
- 五.检查是否安装成功
因为我要在树莓派上面部署yolov5(已经部署完了),完成一个项目,但是在自己的电脑上训练相关数据集,得到相关的权重文件时,发现它是用CPU跑的,时间很感人,一轮20min左右(电脑是联想拯救者),因此我在这写下部署GPU深度学习环境的一篇博客,希望对你们部署有所帮助。
前提条件: 首先你得有一台有显卡的电脑。
一.查看自己电脑支持的cuda最高版本
nvidia-smi
二.打开Anaconda,进入自己创建的深度学习环境
没有创建的可以看这一步,之前创建过的可以跳过
conda create -n deeplearn python=3.9
三.这用的是离线安装Pytorch,官网安装太慢
1.打开北京外国语大学镜像站
2.找到自己所支持的cuda版本<=最高cuda版本,点击下载
如下图所示。下载离线安装包
四.离线安装Pytorch
1.打开Anaconda Prompt,激活之前创建的Anaconda的深度学习环境
conda activate deeplearn
2.第二步:打开下载好的Pytorch离线包所在文件夹位置,复制该地址
conda activate deeplearn
cd E:\联想浏览器\data
E:
conda install --offline pytorch-1.12.1-py3.9_cuda11.3_cudnn8_0.tar.bz2
(ps:如果你需要安装其它包,也可以用这个方法)
python
import torch
exit()
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda install numpy
五.检查是否安装成功
conda list
python
import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())
发现安装的cuda和cudnn版本与下载的离线包一样,至此就安装完成了,可以进行自己的深度学习了!
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)