基于CUDA12.1+CUDNN8.9+PYTORCH2.3.1,实现自定义数据集训练

简介: 文章介绍了如何在CUDA 12.1、CUDNN 8.9和PyTorch 2.3.1环境下实现自定义数据集的训练,包括环境配置、预览结果和核心步骤,以及遇到问题的解决方法和参考链接。

0 结果预览

1 核心点

yolo命令行CL需要将虚拟环境的yolo程序加入系统路径。

遇到conda install 失效问题,重建新的虚拟环境,再进行安装。

whl可以下载好后再安装。

pip install F:\tool\ai\torch-2.3.1+cu121-cp310-cp310-win_amd64.whl
pip install F:\tool\ai\torchvision-0.18.1+cu121-cp310-cp310-win_amd64.whl
pip install F:\tool\ai\torchaudio-2.3.1+cu121-cp310-cp310-win_amd64.whl

2 参考链接

【yolov8】从0开始搭建部署YOLOv8,环境安装+推理+自定义数据集搭建与训练,一小时掌握_哔哩哔哩_bilibili

CUDA安装&cuDNN、TensorRT版本匹配_cuda和cudnn版本匹配-CSDN博客

TensorRT 10.x Download | NVIDIA Developer

PyTorch

Anaconda 和 VSCode 配置Python编程环境教程_anaconda vscode python-CSDN博客

GPU版本pytorch(Cuda12.1)清华源快速安装一步一步教!小白教学~_pytorch清华源-CSDN博客

conda配置python环境:安装gpu版本的pytorch、torchvision、torchaudio、pytorch-cuda_conda install pytorch torchvision torchaudio pytor-CSDN博客

Anaconda中如何配置国内镜像源安装外部库(含conda永久配置和pip临时配置方法)_conda中科大镜像源-CSDN博客

从零开始下载torch+cu(无痛版)_torch包下载-CSDN博客

Previous PyTorch Versions | PyTorch

# CUDA 11.8

conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=11.8 -c pytorch -c nvidia

# CUDA 12.1

conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 pytorch-cuda=12.1 -c pytorch -c nvidia

# CPU Only

conda install pytorch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 cpuonly -c pytorch

# ROCM 6.0 (Linux only)

pip install torch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 --index-url https://download.pytorch.org/whl/rocm6.0

# CUDA 11.8

pip install torch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 --index-url https://download.pytorch.org/whl/cu118

# CUDA 12.1

pip install torch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 --index-url https://download.pytorch.org/whl/cu121

# CPU only

pip install torch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 --index-url

​

https://download.pytorch.org/whl/cpu

pytorch-wheels-cu121安装包下载_开源镜像站-阿里云 (aliyun.com)

用whl安装pytorch踩坑实录(whl is not a supported wheel on this platform.)_离线安装pytorch的whl文件失败-CSDN博客

​
channels:

  - https://mirrors.sjtug.sjtu.edu.cn/anaconda/cloud/conda-forge/

  - https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free/

  - Simple Index

  - Simple Index

  - Simple Index

  - https://pypi.hustunique.com/

  - https://pypi.sdutlinux.org/

  - https://pypi.douban.com/simple/

show_channel_urls: true

envs_dirs:

  - D:\ProgramData\Anaconda3\envs

pkgs_dirs:

  - D:\ProgramData\Anaconda3\pkgs

  - C:\Users\pgjgg\.conda\envs

  - C:\Users\pgjgg\AppData\Local\conda\conda\envs

​

conda创建环境过程中出现“Solving environment: failed”报错的解决办法-CSDN博客

​
show_channel_urls: true

channel_alias: Index of /anaconda/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

default_channels:

  - Index of /anaconda/pkgs/main/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

  - Index of /anaconda/pkgs/free/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

  - Index of /anaconda/pkgs/r/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

  - Index of /anaconda/pkgs/pro/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

  - Index of /anaconda/pkgs/msys2/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

custom_channels:

  conda-forge: Index of /anaconda/cloud/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

  msys2: Index of /anaconda/cloud/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

  bioconda: Index of /anaconda/cloud/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

  menpo: Index of /anaconda/cloud/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

  pytorch: Index of /anaconda/cloud/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

  simpleitk: Index of /anaconda/cloud/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

channels:

  - defaults

ssl_verify: true

Conda虚拟环境更新pip方法_conda update pip-CSDN博客

conda install -c conda-forge rdkit

& : 无法将“D:\Software\Python\Anaconda\Scripts\conda.exe”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。-CSDN博客

原因其实就是找不到途中说的conda.exe文件,所以需要进入上图红字第三行的路径,将profile.ps1这个文件打开,可用记事本或者notepad++。

相关文章
|
11天前
|
弹性计算 人工智能 架构师
阿里云携手Altair共拓云上工业仿真新机遇
2024年9月12日,「2024 Altair 技术大会杭州站」成功召开,阿里云弹性计算产品运营与生态负责人何川,与Altair中国技术总监赵阳在会上联合发布了最新的“云上CAE一体机”。
阿里云携手Altair共拓云上工业仿真新机遇
|
8天前
|
机器学习/深度学习 算法 大数据
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
2024“华为杯”数学建模竞赛,对ABCDEF每个题进行详细的分析,涵盖风电场功率优化、WLAN网络吞吐量、磁性元件损耗建模、地理环境问题、高速公路应急车道启用和X射线脉冲星建模等多领域问题,解析了问题类型、专业和技能的需要。
2522 18
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
|
8天前
|
机器学习/深度学习 算法 数据可视化
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
2024年中国研究生数学建模竞赛C题聚焦磁性元件磁芯损耗建模。题目背景介绍了电能变换技术的发展与应用,强调磁性元件在功率变换器中的重要性。磁芯损耗受多种因素影响,现有模型难以精确预测。题目要求通过数据分析建立高精度磁芯损耗模型。具体任务包括励磁波形分类、修正斯坦麦茨方程、分析影响因素、构建预测模型及优化设计条件。涉及数据预处理、特征提取、机器学习及优化算法等技术。适合电气、材料、计算机等多个专业学生参与。
1525 15
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
|
4天前
|
存储 关系型数据库 分布式数据库
GraphRAG:基于PolarDB+通义千问+LangChain的知识图谱+大模型最佳实践
本文介绍了如何使用PolarDB、通义千问和LangChain搭建GraphRAG系统,结合知识图谱和向量检索提升问答质量。通过实例展示了单独使用向量检索和图检索的局限性,并通过图+向量联合搜索增强了问答准确性。PolarDB支持AGE图引擎和pgvector插件,实现图数据和向量数据的统一存储与检索,提升了RAG系统的性能和效果。
|
10天前
|
编解码 JSON 自然语言处理
通义千问重磅开源Qwen2.5,性能超越Llama
击败Meta,阿里Qwen2.5再登全球开源大模型王座
593 14
|
1月前
|
运维 Cloud Native Devops
一线实战:运维人少,我们从 0 到 1 实践 DevOps 和云原生
上海经证科技有限公司为有效推进软件项目管理和开发工作,选择了阿里云云效作为 DevOps 解决方案。通过云效,实现了从 0 开始,到现在近百个微服务、数百条流水线与应用交付的全面覆盖,有效支撑了敏捷开发流程。
19283 30
|
10天前
|
人工智能 自动驾驶 机器人
吴泳铭:AI最大的想象力不在手机屏幕,而是改变物理世界
过去22个月,AI发展速度超过任何历史时期,但我们依然还处于AGI变革的早期。生成式AI最大的想象力,绝不是在手机屏幕上做一两个新的超级app,而是接管数字世界,改变物理世界。
492 49
吴泳铭:AI最大的想象力不在手机屏幕,而是改变物理世界
|
1月前
|
人工智能 自然语言处理 搜索推荐
阿里云Elasticsearch AI搜索实践
本文介绍了阿里云 Elasticsearch 在AI 搜索方面的技术实践与探索。
18842 20
|
1月前
|
Rust Apache 对象存储
Apache Paimon V0.9最新进展
Apache Paimon V0.9 版本即将发布,此版本带来了多项新特性并解决了关键挑战。Paimon自2022年从Flink社区诞生以来迅速成长,已成为Apache顶级项目,并广泛应用于阿里集团内外的多家企业。
17530 13
Apache Paimon V0.9最新进展
|
3天前
|
云安全 存储 运维
叮咚!您有一份六大必做安全操作清单,请查收
云安全态势管理(CSPM)开启免费试用
367 4
叮咚!您有一份六大必做安全操作清单,请查收