在此找到对应的版本：https://download.pytorch.org/whl/cu100/torch_stable.html
注意cp36为python3.6版本
wget https://download.pytorch.org/whl/cu100/torch-1.3.0%2Bcu100-cp36-cp36m-linux_x86_64.whl
wget https://download.pytorch.org/whl/cu100/torchvision-0.4.1%2Bcu100-cp36-cp36m-linux_x86_64.whl
pip install torch-1.3.0+cu100-cp36-cp36m-linux_x86_64.whl torchvision-0.4.1+cu100-cp36-cp36m-linux_x86_64.whl
pip install mmcv-full==1.3.8
在此找到对应的版本：https://download.pytorch.org/whl/cu100/torch_stable.html注意cp36为python3.6版本wget https://download.pytorch.org/whl/cu100/torch-1.3.0%2Bcu100-cp36-cp36m-linux_x86_64.whlwget https://download.pytorch.org/whl/cu100/torchvision-0.4.1%2Bcu100-cp36
由于
PyTorch
在中国大陆的安装包下载十分缓慢，导致很多在线安装方法难以实现。故对
Pytorch
在windows下的安装方法做一个简单说明，希望能够帮助到更多的朋友。有任何问题，可以联系我。解决方法是：先将安装包下载到本地，再用pip install安装。
系统配置 Windows
Anaconda
环境
Python
3.7
CUDA
内核显卡 NVIDIA Quadro P4000
1、进入
Pytorch
官网https://
pytorch
.org/
看到该部分类容后，根据自己的电脑配置，选择相应的选项。
Package 建议使用pip，这样才会提供Run this Co
一、安装anaconda
参考Ubuntu18.04——安装Anaconda和
python
3.6.9版本的
pytorch
-gpu_Irving.Gao的博客-CSDN博客_ubuntu18.04安装
python
3.6
注意：安装anaconda的对应
python
版本不影响我们在使用过程中创建其他
python
版本的环境，如我下载的是：
python
3.8版本的conda，那我在使用过程中依然可以通过指定
python
3.6版本的方式创建环境，conda会自动下载py
文章目录前言一、查看安装说明文档二、anaconda3.8的下载安装三、torch1.4.0与torchvision0.5.0的下载安装四、
mmcv
的下载安装五、mmdetection的下载安装
离线状态下在机群中安装mmdetection进行目标检测。
一、查看安装说明文档
1.网址：
https://github.com/openmmlab/mmdetection/blob/master/docs/install.md
查看docs文件夹下的install.md说明文档，查看安装所需..
mmdetection 2.13.0
mmsegmentation 0.14.0
由于本机已经安装好，
cuda
10.0
和 anaconda，所以这里不再赘述。如未安装，需要先进行安装！
本文主要为了不升级
cuda
，而能够使用尽量新的版本，因此趟了很多坑，如果严格安装官网要求的条件进行安装，应该会极为顺利！对于
cuda
10.0
+ ubuntu的版本可以重点参考
1.安装pytor
下载地址，根据需要选择版本，安装最好还是选择本地安装
sudo dpkg -i nccl-repo-ubuntu1604-2.4.8-ga-
cuda
10.0
_1-1_amd64.deb
sudo apt updata # 更新APT数据库
如果需要使用NCCL编译程序，需要安装libnccl-dev软件包
注意：如果直接使用如下命令，...
mmdetection是商汤和港中文大学联合开源的基于
PyTorch
的对象检测工具包，属于香港中文大学多媒体实验室open-mmlab项目的一部分。该工具包提供了已公开发表的多种流行的检测组件，通过这些组件的组合可以迅速搭建出各种检测框架。
mmdetection主要特性：
(1). 模块化设计：可以通过连接不同组件容易地构建自定义的目标检测框架；
(2). 支持多个流程检测框架：如RPN，...
目录1 安装
CUDA
版本1：
CUDA
10.21.1安装
CUDA
10.2及对应版本cuDNN1.2 添加环境变量2 安装
CUDA
版本2：
CUDA
10.0
2.1 安装
CUDA
10.0
2.2 安装对应版本cuDNN3 切换
CUDA
版本3.1 切换至
CUDA
10.0
3.2 切换至
CUDA
10.2
YOLOv4仅支持
CUDA
10.0
，而
Pytorch
不支持
CUDA
10.0
，使用过程中需要在
CUDA
10.0
在
CUDA
10.2之间切换，故有此文。
1 安装
CUDA
版本1：
CUDA
10.2
1.1安装
CUDA
10.2及对应
Python
是一种高级编程语言，其简洁易学和强大的扩展性使其成为数据科学、人工智能和机器学习等领域的特别受欢迎的语言。
PyTorch
是一个开源的深度学习框架，它被广泛用于人工智能和机器学习任务中.
PyTorch
是由Torch框架发展而来的，它通过提供动态图的支持和强大的张量操作来加速了深度学习的研究和应用。
CUDA
(Compute Unified Device Architecture)是由英伟达公司推出的一种并发计算平台和应用程序编程接口，它允许使用GPU加速计算，可以将计算任务分配到GPU上，加速计算速度。
cuDNN (
CUDA
Deep Neural Network)是一种加速深度学习的库，它是由英伟达公司开发的。它在深度学习中采用了优化的算法和数据结构，实现了高效率的卷积、池化、优化器等算法，可以大大提高深度学习的速度和性能。
综上所述，这些技术和工具在人工智能和机器学习领域中发挥了重要作用，并被广泛应用于各种类型的计算任务中，让研究人员和开发人员能够更高效地完成他们的工作。
