深度學習環境安裝配置
一、概述
1、作業系統:win10
2、顯示卡:3080單卡
3、Anaconda:Python3.8版
4、visual studio:community 2019:安裝cuda必須要安裝visual studio;
5、深度學習框架:pytorch
6、客戶端IDE:PyCharm
7、yolov5目標檢測
二、visual studio community 2019安裝
安裝cuda必須安裝visual studio(Microsoft C++ Build Tools)
下載位置:https://visualstudio.microsoft.com/zh-hans/
選擇community 2019下載
選擇C++的桌面開發
選擇Visual Studio擴充套件開發
安裝檔案較大,根據實際情況選擇安裝位置
開始安裝
A few years later 安裝結束後重啟。
三、安裝cuda和cudnn
1、先檢視本機安裝的顯示卡資訊
win+r—cmd—輸入nvidia-smi檢視Driver Version為466.81,CUDA Version是11.3
※ 這裡的CUDA Version是展示系統可支援到的最新版本,而不是“該系統已經安裝了此版本”。
2、檢視CUDA與Driver Version對應關係,可見支援CUDA 11.3.1
官網地址:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
3、或者在本地驗證:進入NVIDIA控制面板——幫助——系統資訊——元件,看到RTX 3080最高支援CUDA 11.3.122版本
4、前三步的目的就是確定本機合適的cuda版本,這個版本和顯示卡驅動版本強關聯。
確定版本:安裝cuda11.3.1
去官網下載:https://developer.nvidia.com/cuda-toolkit-archive
2.7G+,建議使用迅雷下載。
安裝cuda時,第一次會讓設定臨時解壓目錄,第二次會讓設定安裝目錄;
臨時解壓路徑,建議預設即可,也可以自定義。安裝結束後,臨時解壓資料夾會自動刪除;
安裝目錄,建議預設即可;
注意:臨時解壓目錄千萬不要和cuda的安裝路徑設定成一樣的,否則安裝結束,會找不到安裝目錄的!!!
選擇精簡安裝(懶,不想安裝完缺這缺那的)
安裝完成後,配置cuda的環境變數檢視(系統自動追加無需手動配置)
5、命令列測試是否安裝成功;
nvcc -V
6、cudnn下載和安裝
官網下載:https://developer.nvidia.com/rdp/cudnn-archive
下載需要登入,沒有會員註冊一下會員。
大小:740M+
開啟cudnn資料夾,把cudnn中bin、include、lib/x64這三個資料夾裡面的檔案,分別全部複製到對應的cuda的bin、include、lib/x64資料夾內。
重啟電腦。
7、檢查安裝是否成功
通過NVIDIA提供的 deviceQuery.exe 和 bandwidthTest.exe 來檢視GPU的狀態,兩者均在安裝目錄的 extras\demo_suite資料夾中
deviceQuery.exe
bandwidthTest.exe
四、建立虛擬環境
推薦使用Anaconda,不推薦直接安裝Python.exe。因為後面接觸的開源專案可能非常多,有些安裝同一個環境下會出現版本衝突,Anaconda具有隔隔離效果,所以使用。
1、建立一個名為yolo、python版本為3.8的虛擬環境。
conda create -n yolo python=3.8
2、啟用建立好的環境
activate yolo
3、安裝pytorch,上pytorch官網查詢安裝命令
https://pytorch.org/get-started/locally/
根據自身的CUDA型號,選擇最接近的CUDA11.1版本。
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch-lts -c conda-forge
上面能否成功看人品。如果安裝失敗多試幾次,如果再失敗,嘗試國內源,不過有些版本可能不支援。
4、驗證是否成功
import torch
import torchvision
print(torch.cuda.is_available())
返回True表示CUDA配置成功~!撒花 (●'◡'●)~
五、配置yolo
1、github找到yolov5的地址,通過gitclone將程式碼克隆到本地
2、安裝PyCharm作為IDE,安裝後開啟本地的該專案目錄,並匯入python直譯器地址。
3、通過命令列工具進入工程目錄,安裝依賴包
pip install -r requirements.txt
4、開啟PyCharm,執行detect.py,去專案下 /runs 目錄檢視輸入結果。正常輸出代表環境配置成功。