gpu 算力评估 gpu算力怎么看

安装了3天，终于成功了，记录一下辛酸史！

提示：GPU算力5.0以上可以跟下面一样安装，GPU算力3.5的，关于版本的地方需要改为以下版本（小编用笔记本装了后训练时因内存不够一直出错，含泪换台式机装了这个版本）：

CUDA9.0
CUDNN7.6.5
python3.6
VS：2017
torch：conda install pytorch1.1.0 torchvision0.3.0 cudatoolkit=9.0 -c pytorch

安装步骤：

1.查看电脑GPU算力。

A.查看本机显卡信息

方法一：更推荐这种还可以看到驱动程序版本（如果没有可以Microsoft Store商店搜索NVIDIA下载）

（1）在桌面点击鼠标右键

（2）选择 帮助–>系统信息

方法二：

（1）右键 我的电脑–>管理

（2）选择 设备管理器

（3）显示配置，小编这台为MX250，说是6.1算力

小编不是很看得懂这个版本，所以推荐方法一

B.查看GPU算力，找不到的只能百度搜了。

• CUDA GPU | NVIDIA Developer



• 
  
• MX150/MX250算力6.1，CUDA算力表_fa544384733的博客-CSDN博客_mx250算力

2.选择合适的CUDA下载，CUDA要与之前通过NVIDIA查看的驱动程序版本对应，不过一般向下兼容应该没有问题，小编的驱动程序版本是471.41，但还是选择安装了CUDA10.2.

不同版本CUDA：CUDA Toolkit Archive | NVIDIA Developer

3.下载CUDNN，要跟CUDA对应，从名字可以看出来，小编选了v7.6.5，主要是教程上是这个版本。

不同版本CUDNN：cuDNN Archive | NVIDIA Developer4.CUDA和CUDNN安装教程，写的挺好的，小编就是照着装的，两个网址有点不一样，可以都看看（温馨提示：CUDA的第一次地址是临时地址，放哪都没关系）

5.下载Anaconda，小编选的就是教程里的这个版本。

6.安装Anaconda

7.下载配置yolact，小编是照着下面这个教程来的，稍微整理了一下

（1）下载yolact

• 1.使用git 命令下载（有时候网络不好，下不下来，可以直接download）

//下载yolact
 $ git clone https://github.com/Erika-Erika/yolact.git 
 //或者 下载yolact
 $ git clone [e-mail]:Erika-Erika/yolact.git
  //进入yolact
 $ cd yolact

（2）创建环境

• 1.在【开始】菜单栏打开Anaconda Prompt ，进入base环境
  
• 2.创建yolact 环境，在Proceed ([y]/n)? 中输入y

conda create -n yolact python=3.7  //环境名为yolact ,python版本选择3.7

• 3.使用conda activate yolact 激活环境
• 4.安装需要的依赖项

pip install cython //需要先安装这个包
pip install opencv-python pillow pycocotools matplotlib
conda install cudatoolkit=10.2.89 //根据自己的显卡来安装对应的cudatoolkit
conda install cudnn=7.6.5 //根据自己的显卡来安装对应的cudnn

运行过程中遇到的问题（忘记都在哪步了）：

解决方案：试了很多网上的办法，最后还是安装了VS2017社区版（应该>=VS2015就可），关于C++的小编都选上安装了

• 5.安装pytorch，进入官网选择pytorch =1.8 版本，CUDA 10.2的命令安装pytorch

# CUDA 10.2  //选择这条命令
pip install torch==1.8.1+cu102 torchvision==0.9.1+cu102 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

其他版本命令：Previous PyTorch Versions | PyTorch

• 6.测试cuda 是否正确安装，cuda 是否能成功运行

(yolact) C:\Users\95342>python
Python 3.7.11 (default, Jul 27 2021, 09:42:29) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
 Type "help", "copyright", "credits" or "license" for more information.
>>> import torch  //导入torch 
>>> print(torch.cuda.is_available()) //测试cuda 是否安装成功
True  //输出True表示安装成功
>>>

>>> a=torch.Tensor([1,2]) //测试cuda 是否能成功运行
>>> a=a.cuda()
>>> a
tensor([1., 2.], device='cuda:0')  //成功运行
>>>

如果遇到一下场景，恭喜你一定没看第一步，GPU算力不够，建议换电脑。

• 7.使用yolact ++ ,需要编译DCNv2，进入DCNv2文件内，输入python setup.py build develop进行编译
  
  （3） 测试环境
  下载模型：简书 (jianshu.com) 模型放入weights文件夹中（新建文件夹），文件太大，git传不上去，所以另行下载。

python eval.py --trained_model=weights/yolact_base_54_800000.pth --score_threshold=0.15 --top_k=15 --image=test.jpg