AI环境配置

pytorch 安装

Anaconda 下载

官网：https://www.anaconda.com/

1
2
3
4
5
# 查看已有虚拟环境
conda info --envs

# 切换虚拟环境
conda activate 环境名

anaconda换源

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
# 清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
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/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

# 中科大源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes

# 查看源
conda config --show

# 恢复默认源
conda config --remove-key channels

pytorch下载

官网：https://pytorch.org/
previous-versions：https://pytorch.org/get-started/previous-versions/

如果要下载torch-GPU版本，必须要找到对应的cu、cp版本，cu为CUDA版本，cp为python版本
GPU版本下载地址：https://download.pytorch.org/whl/torch/

1
2
3
4
5
# torch0-2.0.0 CUDA-11.7 python-3.8
pip install https://download.pytorch.org/whl/cu117/torch-2.0.0%2Bcu117-cp38-cp38-win_amd64.whl#sha256=64c176ebff6904155aa6f72b0f996c9ea17f29b8af7aa9afeee8bff726f91ef3

# torch0-1.8.1 CUDA-10.2 python-3.8
pip install https://download.pytorch.org/whl/cu102/torch-1.8.1%2Bcu102-cp38-cp38-win_amd64.whl#sha256=b320a39980c5871801ab1c33749f744a1efbf187fbef12f251cb4577ec66fd24

CUDA与CUDNN安装

  1. win+R ，输入 cmd 打开命令行
  2. 输入nvidia-smi查询可以安装的驱动版本，查找下载对应版本CUDA

CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive
CUDNN下载地址：https://developer.nvidia.com/rdp/cudnn-archive

  1. 将下载的cudnn文件解压，复制到CUDA安装目录中。
  2. 手动添加CUDA安装目录下\lib\x64、\include、\extras\CUPTI\lib64到环境变量。

使用nvcc --version查看CUDA版本。

验证torch是否能使用GPU

1
2
3
4
5
6
7
8
9
10
11
12
13
# -*- coding: utf-8 -*-
# @Time    : 2024/1/2 17:31
# @Author  : wpixiu
# @File    : test_torch.py
# @Software: PyCharm

import torch

print(torch.__version__)  # 查看pytorch版本
print(torch.cuda.is_available())  # 查看cuda是否可用 输出为True 或者False
print(torch.cuda.device(0))
print(torch.cuda.device_count())
print(torch.cuda.get_device_name(0))

YOLOv5

创建环境

1
2
3
4
5
6
7
8
9
10
conda create -n yolov5 python=3.8

conda activate yolov5

# pip 换源
python -m pip install --upgrade pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

# torch
pip3 install torch==1.8.2 torchvision==0.9.2 torchaudio==0.8.2 --extra-index-url https://download.pytorch.org/whl/lts/1.8/cu111

YOLOv5

github：https://github.com/ultralytics/yolov5
v7.0：https://github.com/ultralytics/yolov5/releases/tag/v7.0
设置 Pillow == 8.3.0、numpy == 1.20.3

1
pip install -r requirements.txt

测试

1
python detect.py

jupyter Notebook

Pycharm配置 jupyter Notebook

1
2
3
4
5
6
7
8
# 安装jupyter notebook
pip install jupyter notebook

# 设置密码
jupyter notebook password

# 启动
jupyter notebook

复制 URL 地址
image.png
填入 设置 - 语言与框架 - Jupyter - Jupyter服务器 - 配置的服务器。
image.png
运行代码，输入密码登录即可。

在jupyter notebook中添加conda创建的环境

1
2
3
4
5
6
7
8
9
10
# 切换至所需添加的环境
conda activate transformers

# 安装ipykernel
pip install ipykernel

# 添加内核
# --name 被用于jupyter内部，这一命令将覆盖具有相同名称的kernel
# --display-name指定jupyter notebook中显示的名字
python -m ipykernel install --name transformers --display-name "transformers"