目标检测模型学习(1):retinanet-pytorch(1)
作者:互联网
一、pytorch环境的搭建
1.Anaconda3下的pytorch-gpu的安装
搭建pytorch的环境,首先我们需要安装好Anaconda来辅助我们安装环境,具体教程可以看作者的这篇文章:深度学习入门笔记--1(Windows10下Anaconda3+Cuda+cuDNN的安装)_qiyu_00的博客-CSDN博客
现在相信各位都已经下载并配置好了Anaconda3,现在我们来打开Anaconda Prompt:
base代表的就是默认环境,现在让我们来创建一个自己的环境来搭建pytorch,我们使用下面这个命令
conda create -n pth python==3.7
这里pth指的是我们创建的环境的名字,这个变量可以自定义,后面的python==3.7用来指定环境中安装的python版本,作者用3.7目前没有遇到什么问题,输入代码后运行,得到下面的结果:
输入y,开始安装环境,安装过程如果很慢的话,可以更换Anaconda的下载源,因为Anaconda的下载源是一个国外的源,所以说如果网速跟不上,可以换清华的源,换清华源的教程在csdn里面有很多,这里作者就不过多赘述。
然后我们输入下面这行代码,激活我们的环境:
activate pth
得到如下结果,就代表我们成功的创建好了我们的环境:
这一步完成之后,我们去pytorch的官网上寻找与我们Cuda版本相匹配的版本:
在这里我们选择Stable,后续选择自己电脑的系统和对应的Cuda版本(这里我们选择11.1,因为好像没有Cuda11.4所对应的pytorch版本),然后我们可以选择用Conda命令,或者是pip命令来安装,Conda命令安装的更全面,但是作者更推荐pip命令,在Run this Command可以复制命令。
将复制下来的安装命令,粘贴到Anaconda Prompt里面:
点击回车运行,就可以开始安装了,可能安装过程会有点漫长,我们耐心等待就可以了。
安装好了过后,我们就来验证一下,现在窗口里面输入python,进入python的编译环境,接着输入下面的代码:
import torch
print(torch.__version__)
print(torch.cuda.is_available())
如果运行结果如下图,就代表我们朋友torch-gpu的环境成功搭建了:
(注:第二个代码的运行结果视版本而定)
至此,我们的朋友torch环境就已经成功搭建好了。
标签:retinanet,python,检测,torch,环境,pytorch,安装,我们 来源: https://blog.csdn.net/qiyu_00/article/details/120229548