YOLO学习之利用GPU训练模型（CPU+GPU版本共存）_yolo模型训练能用gpu提升性能吗

首先默认已经安装好了Anaconda和python

一、搭建环境

先安装CUDA，如果没有安装可以跟着一起安装。

在cmd中输入以下命令。

 
nvcc -V

没有安装CUDA的是这个效果，如果已经安装了话，会是显示版本号的样子。

在计算机-管理-设备管理器-显示适配器中，查看是否有独立显卡。（我这里用到是垃圾的3050显卡）

然后点这里进入网页，看看有没有自己的显卡类型，有就是支持安装CUDA。

打开英伟达的控制面板，看一下CUDA需要的版本。

点击帮助——系统信息——组件（我这里是11.6.134）

接下来就是选择CUDA进行安装即可（点击此处），实际上版本无所谓，主要看的还是计算能力，我这里选11.6.1，主要是为了兼容，防止出错。

点击配置即可，我的电脑版本是win11，所以我按照需求配置的CUDA。

记住CUDA的安装路径。

我这里安装的是精简版，避免报错。

配置环境变量。（电脑->属性->高级系统设置->环境变量->系统变量找到Path）

配置成这样样子就行。

再次在cmd中运行上述的代码，就可以查看到CUDA的版本信息。

 
nvcc -V

接着安装cudnn

点击此处，选择下载download cudnn，但这里需要你注册或者登录英伟达的账号，然后进行问卷之后才可以进行下载页面，最后来到这里。

然后将压缩包里面的东西直接copy到CUDA所在的目录下，直接覆盖安装即可。

二、安装Pytorch库

如果还没有安装Anaconda可以去我的博文看教程。

我之前已经安装过CPU版本的pytorch，这次我接着安装一下GPU版本的pytorch。

我这里新建一个环境（python版本可以根据所需配置）。

 
conda create --name pytorch-gpu python=3.7

然后激活环境

 
activate pytorch-gpu

进去之后是这样。

然后我们再去pytorch的官网选择配置，我们复制下面的命令，这也是我之所以选择CUDA版本是11.6的原因。

在此之前要记得给conda换源，换源在我博文中有写，可以参考一下。不换源的话可能会导致下载速度过慢，要是掉线就不好了。

在上次的博文中，我少写了一条对pytorch的换源，所以应该在换源时补上。

 
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

这是自动安装省事，如果失败了，直接就用本地离线安装得了。

离线安装还是比较省事的。打开网址https://download.pytorch.org/whl/torch_stable.html，选择我们需要的版本进行下载，速度没得说，贼快。

cu116：就是说他是11.6版本

cp39：就是说他是python3.7

win和64含义大家都懂，我就不多说了。

把文件放在用户目录下面，直接pip安装即可。

我们看一下是否搞上了。

是的成功了。

三、测试

打开pycharm

我这里很遗憾的报错了。

原因可能是我的cuda和torch版本不符合。

结合我在git上和pytorch上看的文档，所以我得出了结论，需要调整一下版本了。

然后重新调一下我的版本。

首先，先把原来的torch和torchision卸载掉。

 
pip uninstall torch torchvision

接着输入以下代码。

 
pip install torch==1.12.0+cu116 torchvision==0.12.0+cu116 -f https://download.pytorch.org/whl/torch_stable.html

跑完显示上述图片内容即可。

再次执行一下。

显卡跑起来了，虽然只是垃圾的GPU3050，但是比CPU好的多。

如果有其他bug，请查资料解决吧！