之前部署了直接在win中运行的模型。考虑到很多模型都是在pytorch 中跑的，练习一下pytorch的配置过程。
1.首先有一个pytorch环境。
环境内容
torch：1.2.0
torchvision：0.4.0
Anaconda安装
最新版本的Anaconda没有VSCODE，如果大家为了安装VSCODE方便可以直接安装旧版的Anaconda，百度网盘连接如下。也可以装新版然后分开装VSCODE。
链接：https://pan.baidu.com/s/1MEdjh976CYotuQgiRWkdPA
提取码：1234
下载好了之后，选择合适路径，直接安装就好。
我选择了Add Anaconda to my PATH environment variable，我用起来觉得更好用。
等待安装完之后，就安装了Anaconda了。
下载Cudnn和CUDA
我这里使用的是torch=1.2.0，官方推荐的Cuda版本是10.0，因此会用到cuda10.0，与cuda10.0对应的cudnn是7.4.1.5，这个组合我实验过了，绝对是可以用的。
cude10和cudnn可以在官网下载，懒得找的我贴个百度云连接：
链接：https://pan.baidu.com/s/1UCOrvg8pU4kZ2ro6JQhxQQ
提取码：1234
下载好之后可以打开cuda_10的exe文件进行安装。
这里选择自定义。
然后直接点下一步就行了。
安装完后在C盘这个位置可以找到根目录。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
然后大家把Cudnn的内容进行解压。
把这里面的内容直接复制到C盘的根目录下就可以了。
配置torch环境
Win+R启动cmd，我没有启动cmd，而是启动的anacade 的
在命令提示符内输入以下命令：
创建环境：
conda create –n pytorch python=3.6
激活环境：
activate pytorch
打开pytorch的官方安装方法：
https://pytorch.org/get-started/previous-versions/
官网推荐的安装代码如下，我使用的是Cuda10的版本：
# CUDA 10.0 pip install torch===1.2.0 torchvision===0.4.0 -f https://download.pytorch.org/whl/torch_stable.html # CUDA 9.2 pip install torch==1.2.0+cu92 torchvision==0.4.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html # CPU only pip install torch==1.2.0+cpu torchvision==0.4.0+cpu -f https://download.pytorch.org/whl/torch_stable.html
需要注意的是，直接这样安装似乎特别慢。虽然慢，但我还是用这种慢的方式装的，当时速度还可以。好的，继续参考大佬博客：因此我们可以进入如下网址:
https://download.pytorch.org/whl/torch_stable.html
找到自己需要的轮子下载。
下载的时候使用迅雷下载就行了，速度还是比较快的！
下载完成后找到安装路径：
在cmd定位过来后利用文件全名进行安装就行了！
这里我也传一个百度网盘的版本。
链接: https://pan.baidu.com/s/14-QVk7Kb_CVwaVZxVPIgtw
提取码: rg2e
全部安装完成之后重启电脑。
以上就是安装pytorch的全部过程了。如何检测自己安装的环境是成功的呢？
打开cmd或者anacodnda prompt输入
import torch a = torch.cuda.is_available() print(a) ngpu= 1 device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu") print(device) print(torch.cuda.get_device_name(0)) print(torch.rand(3,3).cuda())
输出样例：
True
cuda:0
GeForce GTX 1650
tensor([[0.0387, 0.8379, 0.6165],
[0.4231, 0.0060, 0.9049],
[0.7293, 0.1726, 0.9432]], device='cuda:0')
就表示成功配置了pytorch环境。
安装VSCODE
为了方便编辑代码，需要安装编辑器。
打开anaconda，切换环境。
安装VSCODE，安装完就可以launch一下了，之后就可以把VScode固定到任务栏上，方便打开。
当然，安装pycharm也很好用。贴个我的安装包：
链接：https://pan.baidu.com/s/1LUfAtHrYbIfhpD4dd_JsAA
提取码：1234
2. 运行代码
下载代码
安装好环境之后，就是运行代码了。有GPU加持的笔记本可以进行简单的视频识别。我使用的代码是github这位大佬的，大家可以来参考：
https://github.com/bubbliiiing/yolov4-pytorch#Reference
直接下载之后解压即可。
下载完库后解压，在百度网盘下载yolo4_weights.pth或者yolo4_voc_weights.pth，放入model_data，
网上有很多，我发个我在用的吧：
链接：https://pan.baidu.com/s/1PjIfRjI8nLFL_QFgrR3QEw
提取码：1234
打开anaconda的命令行：
#依次输入 activate pytorch#进入pytorch环境 #进入解压代码的文件夹:例如：cd E:\github\yolov4-bubbliiiing\yolov4-pytorch-master #然后运行里面的predict.py文件 python predict.py #然后输入需要识别的图片路径 img/street.jpg #这是图片识别；对于视频识别和摄像头识别，只需要打开predict.py文件进行修改即可
修改对应的命令行，即可调用视像头或者是视频识别。
以上就是我全部的配置过程，后续会进行训练自己的数据，欢迎大家在留言区探讨！