从Anaconda到PyTorch到训练Yolo——Windows系统

1、Anaconda

conda能管理不同的开发编译环境，互补干涉影响。

Anaconda和Miniconda是conda的工具，前者带界面（大而全），后者只有命令行窗口（小而精）。作为初学，建议安装Anaconda

1.1 安装Anaconda

下载 Download Anaconda Distribution | Anaconda ，安装到D盘，其他默认。

 1.2 更换源

 复制如下内容：

channels:- defaults
show_channel_urls: true
default_channels:- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmsys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudbioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmenpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudsimpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/clouddeepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/

安装完之后，会默认创建一个base虚拟环境。

【其他】

如何创建、切换、退出虚拟环境，参考如下指令，此篇只用base虚拟环境。

conda -V                                                                   # 查看版本（V是大写）
conda create -n env_name python=3.9                    # 创建python虚拟环境(指定python版本)
conda create -n env_name2 --clone env_name1     # 克隆虚拟环境
conda create -n env_name python=3.9 包名=x.x     # 创建虚拟环境并安装指定的第三方库conda activate env_name                  # 切换/激活虚拟环境，Linux系统前面要加source
conda deactivate                                # 退出虚拟环境conda config --show                           # 查看虚拟环境默认位置
conda install 包名=version                 # 在base环境中安装包
conda install -n env_name 包名         # 在指定虚拟环境安装包
activate env_name                             # 激活虚拟环境，Linux系统前面要加source
conda remove -n env_name --all       # 移除虚拟环境及所有包
conda remove env_name 包名          # 移除指定虚拟环境中的某个包
conda env list                                     # 查看虚拟环境列表
conda list                                            # 查看base环境包列表

虚拟环境也可以迁移到其他电脑

conda list -e > req.txt
conda create -n new environment --file req.txt

 

2、PyTorch

特别说明，在安装之前，注意各个库的版本关系。

训练和推理会用到 CUDA、cuDNN、TensorRT、ONNX Runtime（我使用的此框架来进行部署推理），因此需要特别注意安装的版本。

ONNX Runtime、CUDA、cuDNN版本对应关系参考 NVIDIA - CUDA | onnxruntime

 ONNX Runtime、TensorRT、CUDA版本对应关系参考 NVIDIA - TensorRT | onnxruntime

 综上，我使用的版本以及下载地址如下：

ONNX Runtime 1.19.x 

CUDA 12.x 

cuDNN 9.x

TensorRT 10.2

 

2.1 conda安装PyTorch

将Pytorch官网命令，粘贴到conda终端

cuDNN

下载 cuDNN 9.4.0 Downloads | NVIDIA Developer

TensorRT

下载 TensorRT Download | NVIDIA Developer