标签：PyTorch cuDNN pytorch CUDA https 安装 下载
Win10下CUDA+cuDNN+PyTorch安装与配置
1. 安装Nvidia显卡驱动、CUDA和cuDNN
1.1 显卡驱动下载与安装
首先要在设备管理器中查看你的显卡型号：
NVIDIA 驱动下载：https://www.nvidia.cn/Download/index.aspx?lang=cn
下载之后就是简单的下一步直到完成。
完成之后，在cmd中输入执行：nvidia-smi，记得把C:\Program Files\NVIDIA Corporation\NVSMI添加到环境变量的path中。安装成功则返回如下结果：
1.2 CUDA与cuDNN下载与安装
CUDA下载链接：https://developer.nvidia.com/cuda-toolkit-archive
cuDNN下载链接：https://developer.nvidia.com/cudnn
下载cuDNN需要注册NVIDIA账号，并填写相应的问卷。
配置环境变量
计算机上点右键，打开属性->高级系统设置->环境变量，添加如下几个环境变量：
在系统变量 Path 的末尾添加：
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
再添加如下5条（默认安装路径）：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64
cuDNN的安装
对于cuDNN直接将其解开压缩包，然后需要将bin,include,lib中的文件复制粘贴到cuda的文件夹下：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
最后测试cuda是否配置成功
打开终端，输入命令：nvcc -V
2. PyTorch的安装
笔者使用的是Anaconda虚拟环境，关于其安装及一些基本命令可参考笔者的另一篇博客：
https://blog.csdn.net/tzr0725/article/details/109327870
这里笔者另外新创立了一个新的环境，名字叫Machine_Learning：
conda create -n Machine_Learning python=3.8
安装成功后激活虚拟环境：
conda activate Machine_Learning
pytorch的安装命令可从官网查询，链接：https://pytorch.org/get-started/locally/
在线安装，如果对自己的网速很有信心，直接使用如下命令安装：
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
离线安装，pytorch库比较大，可先在清华的镜像网站上下载下来，pytorch离线下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
如果遇到其它比较大的库，也都可以采取类似的方法先离线下载好安装包。
安装之前将压缩包放入Anaconda\pkgs目录下。
解压缩的命令如下：
conda install --use-local pytorch-1.7.0-py3.8_cuda102_cudnn7_0.tar.bz2
要完成pytorch的安装，还要继续运行以下命令：
conda install -c local pytorch -n Machine_Learning
这里指明使用本地作为channel, 然后安装相关依赖包。
最后把torchvision、torchaudio两个库也安装上：
conda install torchvision torchaudio -c pytorch -n Machine_Learning
3. Yolov5项目克隆和安装
3.1 下载源码
Yolov5的GitHub源码链接：https://github.com/ultralytics/yolov5/releases/tag/v4.0
3.2 安装所需的第三方库
除了pytorch以外，yolov5还用到了许多第三方库，为了方便大家使用，原作者在源码的根目录下写了一个requirements.txt文件，便于大家安装第三方库。
进入yolov5源码根目录，执行以下命令：
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
笔者在安装pycocotools这个库时，遇到缺少Visual C++ Build Tool的报错，需要在Visual Studio官网下载buildtools，链接为：https://visualstudio.microsoft.com/zh-hant/visual-cpp-build-tools/
报错截图：
报错提示中也已经提供所需工具的链接：https://visualstudio.microsoft.com/downloads/
打开提供的链接，找到Visual Studio 2019 生成工具:
下载后运行该exe文件：
重启电脑之后，再次执行上述安装命令：
如此，yolov5所需的其他依赖库安装完。
标签：PyTorch,cuDNN,pytorch,CUDA,https,安装,下载 来源： https://blog.csdn.net/tzr0725/article/details/115351082
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。