学期前半は小型モデルのCPU版でも十分使えるようになってきたので、その際にGPU版も何度もインストールしてみました。しかし今となっては検出モデルのCPUを動かすのは無力なようなので、苦し紛れにGPU版をインストールしてみることにした。AI を学ぶ初期段階で最も悩むのがインストール環境ですが、この記事は Pytorch GPU 版のインストールに関する脳死マップです。
PyTorch 公式ウェブサイト: https://pytorch.org/
前提
Anaconda をインストールし、事前にコンピューターの NVIDIA GPU コンピューティング能力を確認することをお勧めします。GPU
コンピューティング能力クエリ
提示：以下是本篇文章正文内容，下面案例可供参考
1. cudaのバージョンを確認する
1. NVIDIA コントロール パネルを右クリックします。
2. 左下隅のシステム情報をクリックします。
3. コンポーネントをクリックして、NVIDIA CUDA バージョンを表示します。
2. 仮想環境の作成
-
0. まず、pytorch 公式 Web サイトにアクセスして、さまざまな pytorch バージョンに対応する torchvision のバージョンを確認します。
ポータル: https://pytorch.org/get-started/previous-versions/
提示：考虑到稳定性我选择了1.12.0版本的Pytorch，可以根据复现的论文代码的要求下载不同的版本
-
1. ここで torch1.12 という名前の仮想環境を作成します。Python はバージョン 3.8 を使用します。
conda create -n torch1.12 python=3.8
- 2. 仮想環境をアクティブ化します (注: 以降の操作はこの仮想環境で実行されます)
conda activate torch1.12
3. GPU をオフラインでインストールする
以前オンラインインストール方法を使って、その後ずっとインストールできず、途中でエラー報告をしてしまったので、今回はオフラインインストール方法を試し、(トーチ環境)ファイルのtorchダウンロードtorchvisionアドレス
1ダウンロード: https://download .pytorch.org/whl/torch_stable.html
LinuxシステムとWinシステムに分かれていますが、インストール方法は同じです
必要な torch と torchvision の 2 つのファイルをダウンロードします。cp38 は python3.8 のコンパイル環境を表し、win_amd64 は 64 ビット win オペレーティング システムを表すことに注意してください。cu116はcuda11.6に対応したバージョンです。
2. ダウンロードが完了したら、これら 2 つのファイルを中文可能路径解析出错英語のフルパス ( ) でフォルダーに配置します。
3. conda で作成したばかりの仮想環境に入ったら、whl パッケージに切り替えてtorch、torchvision次の 2 つの順序でインストールします。文件目录下
pip install torch-1.12.0+cu116-cp38-cp38-win_amd64.whl
pip install torchvision-0.13.0+cu116-cp38-cp38-win_amd64.whl
4. インストールが成功したかどうかを確認します
import torch
torch.__version__
4. コードを実行します (IDE で仮想環境を構成します)。
- 「ファイル」→「設定」をクリックします
3.
4. パーサーの選択
以前の分類ネットワークをテストしましたが、データがあまりありませんでした。CPU がモデルを 2 時間実行する前は、GPU はわずか 10 分しかかかりませんでした。！！
以下は、GPU を使用して VOC データセットでトレーニングされたバックボーンとして resnet50 を使用した Fast-RCNN ネットワーク モデルです。
