之前部署了直接在win中運行的模型。考慮到很多模型都是在pytorch 中跑的，練習一下pytorch的配置過程。
1.首先有一個pytorch環境。
環境內容
torch：1.2.0
torchvision：0.4.0
Anaconda安裝
最新版本的Anaconda沒有VSCODE，如果大家為了安裝VSCODE方便可以直接安裝舊版的Anaconda，百度網盤連接如下。也可以裝新版然后分開裝VSCODE。
鏈接：https://pan.baidu.com/s/1MEdjh976CYotuQgiRWkdPA
提取碼：1234
下載好了之后，選擇合適路徑，直接安裝就好。
我選擇了Add Anaconda to my PATH environment variable，我用起來覺得更好用。
等待安裝完之后，就安裝了Anaconda了。
下載Cudnn和CUDA
我這里使用的是torch=1.2.0，官方推薦的Cuda版本是10.0，因此會用到cuda10.0，與cuda10.0對應的cudnn是7.4.1.5，這個組合我實驗過了，絕對是可以用的。
cude10和cudnn可以在官網下載，懶得找的我貼個百度雲連接：
鏈接：https://pan.baidu.com/s/1UCOrvg8pU4kZ2ro6JQhxQQ
提取碼：1234
下載好之后可以打開cuda_10的exe文件進行安裝。
這里選擇自定義。
然后直接點下一步就行了。
安裝完后在C盤這個位置可以找到根目錄。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
然后大家把Cudnn的內容進行解壓。
把這里面的內容直接復制到C盤的根目錄下就可以了。
配置torch環境
Win+R啟動cmd，我沒有啟動cmd，而是啟動的anacade 的
在命令提示符內輸入以下命令：
創建環境：
conda create –n pytorch python=3.6
激活環境：
activate pytorch
打開pytorch的官方安裝方法：
https://pytorch.org/get-started/previous-versions/
官網推薦的安裝代碼如下，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，直接這樣安裝似乎特別慢。雖然慢，但我還是用這種慢的方式裝的，當時速度還可以。好的，繼續參考大佬博客：因此我們可以進入如下網址:
https://download.pytorch.org/whl/torch_stable.html
找到自己需要的輪子下載。
下載的時候使用迅雷下載就行了，速度還是比較快的！
下載完成后找到安裝路徑：
在cmd定位過來后利用文件全名進行安裝就行了！
這里我也傳一個百度網盤的版本。
鏈接: https://pan.baidu.com/s/14-QVk7Kb_CVwaVZxVPIgtw
提取碼: rg2e
全部安裝完成之后重啟電腦。
以上就是安裝pytorch的全部過程了。如何檢測自己安裝的環境是成功的呢？
打開cmd或者anacodnda prompt輸入
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())
輸出樣例：
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環境。
安裝VSCODE
為了方便編輯代碼，需要安裝編輯器。
打開anaconda，切換環境。
安裝VSCODE，安裝完就可以launch一下了，之后就可以把VScode固定到任務欄上，方便打開。
當然，安裝pycharm也很好用。貼個我的安裝包：
鏈接：https://pan.baidu.com/s/1LUfAtHrYbIfhpD4dd_JsAA
提取碼：1234
2. 運行代碼
下載代碼
安裝好環境之后，就是運行代碼了。有GPU加持的筆記本可以進行簡單的視頻識別。我使用的代碼是github這位大佬的，大家可以來參考：
https://github.com/bubbliiiing/yolov4-pytorch#Reference
直接下載之后解壓即可。
下載完庫后解壓，在百度網盤下載yolo4_weights.pth或者yolo4_voc_weights.pth，放入model_data，
網上有很多，我發個我在用的吧：
鏈接：https://pan.baidu.com/s/1PjIfRjI8nLFL_QFgrR3QEw
提取碼：1234
打開anaconda的命令行：
#依次輸入 activate pytorch#進入pytorch環境 #進入解壓代碼的文件夾:例如：cd E:\github\yolov4-bubbliiiing\yolov4-pytorch-master #然后運行里面的predict.py文件 python predict.py #然后輸入需要識別的圖片路徑 img/street.jpg #這是圖片識別；對於視頻識別和攝像頭識別，只需要打開predict.py文件進行修改即可
修改對應的命令行，即可調用視像頭或者是視頻識別。
以上就是我全部的配置過程，后續會進行訓練自己的數據，歡迎大家在留言區探討！