admin管理员组文章数量:1558103
序言
本文目标：
本文所总结的 版本适配涉及显卡版本\python\cuda\cudnn\torch\torchvision\tensorflow-gpu\numpy等，这些模块之间互相都有联系，最好先用小本本记下来，把这些内容都查询到，对应好再进行下载和安装，很多包的下载速度很慢，重新下载效率太低。
对于相应的安装方法简要介绍。
版本不匹配可能导致的问题有：①程序出错；②gpu无法启动，只能用cpu训练。
1、CUDA版本
首先，从 任务管理器->性能确定所安装的显卡型号，打开 NVIDIA控制面板，找到所允许的CUDA最高版本，如下图所示，最高为12.2。
然后在 NVIDIA官网上查找显卡对应算力为8.9， https://developer.nvidia/cuda-gpus
再查看cuda各版本支持算力为， https://docs.nvidia/cuda/ampere-compatibility-guide/index.html
我没找着。看的别人的截图。 https://blog.csdn/qq_41664447/article/details/126914446
CUDA10.Ｘ版本最高支持算力为7.5，不满足显卡8.9的算力，所以应该下载11.X的版本。可学习CUDA和显卡驱动以及pytorch版本的对应关系
因此我下载了CUDA11.0.1的版本。
2、cudnn、tensorflow-gpu、python
根据和tensorflow-gpu的版本对应关系（官网查询）查到对应python版本和tensorflow-gpu以及cudnn的版本要求。
3、torch、torchvision
根据cuda版本以及yolov5的要求（requirements.txt）选择torch和torchvision版本（官网旧版本查询）（新版本）。再去下载相应的包，需要注意和cuda、python的对应，下载地址附在最后。
4、版本冲突
这时可能就会出现版本冲突问题。
冲突的体现方式是pip一个安装包，安装成功之后，会发现命令行中出现ERROR，表示虽然安装上了，但是版本不匹配。
也有可能是pycharm中提示错误。
以下为部分错误信息集结：
综合这些错误信息与yolov5的要求，可以降低matplotlib、pandas、ultralytics的版本。
唯一的矛盾就在于tensorflow-gpu的版本不能降低只能升级，但是那样就不满足第二个要求中和cuda等的匹配了，由于官网给出的是已经测试过没有问题的版本，所以没有测试过的只能自己尝试一下了。
于是我选择了tensorflow-gpu==2.9.0的版本，没想到成功了！！！
当然也可以选择试一下降低tensorflow-gpu的版本，有可能官网给出的是最高可以容纳的版本。
5、最终版本信息
| 模块名称 | 版本号 |
|---|---|
| cuda | 11.0.1 |
| cudnn | 8.0 |
| torch | 1.7.1 |
| torchvision | 0.8.2 |
| tensorflow-gpu | 2.9.0 |
| 其他 | 满足要求即可 |
沾沾喜气~
6、相关安装方法
| 模块名称 | 方法 | 教程 |
|---|---|---|
| cuda | 官网下载 | 参考教程 |
| cudnn | 同上 | 参考教程 |
| torch(pytorch) | 先下载安装包whl，再pip install路径 | 参考教程 |
| torchvision | 同上 | 参考教程 |
| tensorflow-gpu | pip install tensorflow-gpu==2.9.0 镜像地址 | |
| 其他 | pip install即可，或者统一根据pycharm的提示 |
镜像地址使用方法：
方法一：pip install 安装包名字 -i http://pypi.doubanio/simple/ --trusted-host pypi.doubanio //豆瓣镜像网站
方法二：pip install 安装包名字 -i http://pypi.douban/simple/ --trusted-host pypi.douban //豆瓣
方法三：pip install 安装包名字 -i https://pypi.tuna.tsinghua.edu/simple/ --trusted-host pypi.tuna.tsinghua.edu //清华大学
7、卸载方法
当出现版本不匹配的错误之后，如何卸载相应的模块呢？
这个教程是比较靠谱的。
之前看到一个教程说让带nivida的都删掉，结果我把显卡驱动也删了，屏幕显示都出现问题（气！）。
搞得我很头大，也是涨了不少知识。
| 模块名称 | 方法 |
|---|---|
| cuda、cudnn | 卸载NIVIDIA相关程序，把相应版本号的删掉即可 |
| tensorflow-gpu以及torch相关 | pip uninstall即可 |
| python | 配置虚拟环境的时候设置的，可以重建虚拟环境 |
版权声明：本文标题：YOLOv5复现各种环境版本匹配史上最全版本（涉及显卡pythoncudacudnntorchtorchvisiontensorflow-gpunumpy等） 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://m.elefans.com/dongtai/1727357424a1110241.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论