YOLOv5实战-GPU版本的pytorch虚拟环境配置

1.pytorch

虚拟环境可以使各个深度学习框架之间不发生冲突，所以一般是用虚拟环境的（因为我看b站上很多不是教你配虚拟环境的）

我的电脑配置是Driver Version: 532.03 CUDA Version: 12.1的Windows系统4060

属于比较新的显卡配置，目前网上相关资料比较少，如果你和我加粗文字配置一样的话可以直接抄

PS：

其实TensorFlow环境也可以，但是本人实践下来发现不仅操作多，而且遇到的问题一堆无法解决，反复喂给DS还是无济于事，所以索性用pytorch了，不过新手建议用pytorch，公司的项目落地建议用TensorFlow

win+r打开cmd

查看你的配置nvidia-smi

如果你之前有配置过虚拟环境但是失败了，可以先清理一下

删除并重建虚拟环境（我这里的虚拟环境命名为dejahu）

# 退出当前环境
conda deactivate
# 删除旧环境
conda remove -n dejahu --all -y
# 创建新环境
conda create -n dejahu python=3.10 -y
conda activate dejahu

安装当前最新的、支持CUDA 12.1的版本2.5.1+cu121：

pip install torch==2.5.1+cu121 torchvision==0.20.1+cu121 torchaudio==2.5.1+cu121 --index-url https://download.pytorch.org/whl/cu121

如果存在这种情况

WARNING: Skipping torch-cpu as it is not installed.
WARNING: Skipping torchaudio-cpu as it is not installed.
WARNING: Skipping torchvision-cpu as it is not installed.

你可以尝试核级清理

pip uninstall torch torchvision torchaudio torch-cpu torchaudio-cpu torchvision-cpu -y

然后查看

pip list --format=freeze | findstr "torch"

pip show torch

如果没有任何输出说明已经清理干净，然后再执行pip那行

然后进入python环境输入一下代码查看

import torch
print(f"PyTorch版本: {torch.__version__}") 
print(f"CUDA是否可用: {torch.cuda.is_available()}")  重点看这个输出，是True就没问题
if torch.cuda.is_available():
    print(f"GPU设备名称: {torch.cuda.get_device_name(0)}")  
    print(f"CUDA版本: {torch.version.cuda}") 

如果还有问题，建议看看其他文章（但是都是几年前的文章了，很多不适用）

2.其他包

我这里是python3.10版本的

pip install pycocotools


# 安装兼容 Python 3.10 的版本
pip install numpy==1.23.5  
pip install setuptools==65.5.0  

# 然后安装其他包
pip install matplotlib==3.6.0  
pip install opencv-python==4.7.0.72  
pip install PyYAML==6.0
pip install requests==2.28.1
pip install tqdm==4.64.1
pip install tensorboard==2.11.0
pip install pandas==1.5.2
pip install seaborn==0.12.2
pip install Pillow==9.4.0
pip install protobuf==3.20.3

# 最后安装 PyQt5（使用预编译版本）
pip install PyQt5==5.15.7 --prefer-binary -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pyqt5-sip==12.11.0 --prefer-binary -i https://pypi.tuna.tsinghua.edu.cn/simple