配置环境的一些坑

目录

• 1. 我的电脑配置
• 2. 已安装的环境参数
• • 2.1 PyTorch
  • 2.2 yolov5（基于PyTorch的）
  • 2.3 tensorflow（不会常用了）
• 3. 参考的安装教程
• 4. 一些命令

写在前面：

虽然很大可能不会有人看，但是还是想说明一下，这篇博客只是我本人对一些环境配置参数的记录，不会有太大的参考价值，请见谅~

---

1. 我的电脑配置

Lenovo / 联想拯救者 R7000 R7-5800H / RTX 3050-4G / 512G 固态硬盘SSD / 16G 内存容量

中关村在线-详情介绍：联想拯救者R7000 2021(R7 5800H/16GB/512GB/RTX3050)

环境：Windows 10 家庭中文版

处理器：AMD Ryzen 7 5800H

显卡芯片：NVIDIA GeForce RTX 3050（容量：4GB）

NVCUDA64.DLL 30.0.14.7219 NVIDIA CUDA 11.4.141 driver

2. 已安装的环境参数 2.1 PyTorch

python == 3.7.11
pytorch == 1.10.2
torch == 1.10.2
opencv-contrib-python == 4.5.5.64
opencv-python == 4.5.5.64
tensorboard == 2.8.0
tensorboardx == 2.5
tensorflow == 2.4.0 （这里是为了安装tensorboard所以先安装了tensorflow，详见tensorboard初体验）
torchvision == 0.11.3
tqdm == 4.63.0

2.2 yolov5（基于PyTorch的）

python == 3.8.5
pytorch == 1.8.0
torch == 1.8.0
opencv-python == 4.5.5.64
tensorboard == 2.8.0
torchvision == 0.9.0
tqdm == 4.63.0

2.3 tensorflow（不会常用了）

python == 3.7.11
opencv-python == 4.5.5.64
tensorboard == 2.6.0
tensorflow-gpu == 2.4.0

3. 参考的安装教程

1、RTX3050ti、3060等系列显卡正确安装cuda、cudnn,配置Pytorch深度学习环境（避免由于版本不适应导致重装）

• 打开pytorch官网根据版本需求选择适合的pytorch版本：https://pytorch.org/get-started/locally/
• 进入cuda安装官网：https://developer.nvidia.com/cuda-toolkit-archive
• 进入cudnn官网下载地址：https://developer.nvidia.com/cudnn （这里需要注册账号并填写相关个人信息，然后进才可以进入真正的下载页面，按照提示一步步 *** 作即可。）

2、自己写的（乱乱的）：Anaconda-Tensorflow-PyTorch-GPU配置流程

3、B站教学视频：【包教包会】Anaconda+Cuda+Cudnn+TensorFlow+Pytorch+Pycharm+Win10深度学习环境配置

4. 一些命令

(1) 在cmd中输入命令开始搭建环境

conda create –n tensorflow python=3.7	# 通常选择3.7版本

(2) 加上豆瓣源，快速安装一些包（用包名替换掉[module name]即可）

先cmd，再activate PyTorch进入到PyTorch环境。

pip install [module name] -i http://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com

(3) 卸载包

先cmd，再activate PyTorch进入到PyTorch环境。

pip uninstall [module name]

(4) 验证该环境下gpu和cuda组合是否可用

记得将yolov5换成待验证的环境。

activate yolov5
python
import torch
torch.zeros(1).cuda()
# 如果没有报错，表示可用，至此大功告成，在以后的项目中，就可以使用gpu来跑程序啦。

(5) 测试一下cuda是否安装成功

打开cmd命令终端（不用进入到某一环境），然后输入命令：

nvcc -V	# 不报错，且显示cuda版本号 v11.3

(6) 查看显卡版本号

方法1：进入NVIDIA控制面板查看

方法2：在cmd中输入以下命令

nvidia-smi

(7) 在 任意 conda环境下查看 所有 conda环境

如果想直观的看所有conda environment以及各环境中已安装的package和版本号，就直接进入到Anaconda中去查看。

当前所处环境前带有*。

conda info -envs

(8) 查看某环境中的某个package的版本号

例如在yolov5环境中查看torch的版本号。依次在cmd中输入：

activate yolov5
python
import torch
torch.__verion__	# 1.8.0

(9) 退出python编写环境的命令：exit()