配置深度学习环境(Windows10)


总览

1、安装 VS2019

2、安装 Anaconda3

3、安装cuda和cudnn

4、创建python虚拟环境

5、配置合适的pytorch-gpu


一、安装 VS2019

在这里插入图片描述
直接安装即可,选择默认路径。

二、安装 Anaconda3

在这里插入图片描述
直接安装即可。

三、安装cuda和cudnn

在这里插入图片描述直接安装、解压,并将cudnn复制到对应文件夹下。

四、创建python虚拟环境

在这里插入图片描述

五、配置合适的pytorch-gpu

在这里插入图片描述
离线安装。

版权声明:本文为CSDN博主「军军2号」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/weixin_39127080/article/details/121506938

军军2号

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

玩转KITTI3D目标检测:KITTI评估工具evaluate的使用

近期因实验需要利用kitti数据集,发现关于评估工具使用的部分网上教程不够详细,特此记录. 文末为了方便对数据结果观看,附上了修改代码. 1. KITTI评估工具来源 官网评估工具 下载后文件目录包含: matlab(2D/3D框显示和

yolov5训练数据集划分

yolov5训练数据集划分 按照默认8:1:1划分训练集,测试集,验证集。 txt文件出现在imageset文件夹。 import os import randomtrainval_pe

深度学习之目标检测YOLOv5

一.简介 YOLOV4出现之后不久,YOLOv5横空出世。YOLOv5在YOLOv4算法的基础上做了进一步的改进,检测性能得到进一步的提升。虽然YOLOv5算法并没有与YOLOv4算法进行性能比较与分析&#xff0