版本匹配指南：PyTorch版本、torchvision版本和Python版本的对应关系🌈个人主页：高斯小哥🔥高质量专栏：Matplotlib之旅：零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程👈希望得到您的订阅和支持~💡创作高质量博文(平均质量分92+)，分享更多关于深度学习、PyTorch、Python领域的优质内容！（希望得到您的关注~）🌵文章目录🌵🔍一、引言：PyTorch、torchvision版本与Python版本匹配的重要性🔧二、PyTorch与Python版本匹配的基本原则📊三、PyTorch版本、torchvision版本和Python版本
目录一、Pytorch手动安装1.1、前提准备1.2、创建虚拟环境1.3、搜索Pytorch包1.4、选择下载符合配置的Pytorch包1.4、安装离线包二、torchvision手动安装2.1、查找对应的版本2.2、安装torchvision对于深度学习新手和入门不久的同学来说，在安装PyTorch和torchvision时经常会遇到各种各样的问题。这些问题可能包括但不限于：PyTorch与CUDA对不上：当前PyTorch版本要求的CUDA版本与系统中已安装的CUDA版本不匹配时。PyTorch和Python版本对不上：所选择的PyTorch版本与系统中已安装的Python版本不兼容。安装
anaconda安装包下载包【安装matplotlib】pipinstall-ihttps://pypi.tuna.tsinghua.edu.cn/simplematplotlib==3.5.2【安装PIL】（如果已经安装了matplotlib,则无需单独安装）pipinstallpillow【安装opencv】pipinstall-ihttps://mirrors.aliyun.com/pypi/simple/opencv-python==3.4.11.45pipinstall-ihttps://mirrors.aliyun.com/pypi/simple/opencv-contrib-py
由于nano的arm64架构，所以用它进行深度学习配置部署时会与用普通电脑（x86）有所不同:x86架构x86架构是最常用的计算机架构之一，它是基于英特尔的8086处理器所设计的，后来又逐渐发展成x86-64架构，支持64位处理。x86架构主要用于个人计算机和服务器，它具有广泛的软件支持，流行的操作系统如Windows和Linux都可以在x86架构上运行。x86架构的处理器运行速度较快，但功耗较高。x86架构最初是为个人计算机设计的，后来逐渐成为服务器领域的主流架构之一。它主要用于桌面和笔记本电脑、服务器以及数据中心，因为它具有高性能和广泛的软件支持。目前，x86架构的处理器覆盖了从低功耗移动
注：仅用以记录学习打印出来的网络结构如下：fromtorchvisionimportmodelsmodel=models.resnet50(pretrained=False)print("model:",model)结构：ResNet((conv1):Conv2d(3,64,kernel_size=(7,7),stride=(2,2),padding=(3,3),bias=False)(bn1):BatchNorm2d(64,eps=1e-05,momentum=0.1,affine=True,track_running_stats=True)(relu):ReLU(inplace=True)
目录一、torchvision介绍1.作用与结构2.torchvision中常用数据集二、CIFAR10的介绍1. 数据集简介2.使用该数据集的所需参数 3.数据集下载3.1pycharm在线下载（下载速度较快时） 3.2第三方下载3.3数据库的下载总结 三、CIFAR10的具体使用1.数据集对象的显示（PIL型）2.把数据集中的图片对象转换为tensor型2.1转换所需transform的定义2.2使用tensorboard进行图片显示四、练习：MNIST数据集的下载和使用1.可能的报错和修改 2.代码实现2.1PIL对象实现2.2tensor对象实现3.运行结果 一、torchvision
本文参考了许多官网和博客，肯定是存在抄袭的，请各位大哥不要喷我啊。自己工作找到的是医学信号方向的算法工程师，所以以后和CV可能无缘了，将自己一个多星期的心血历程发表出来，希望大家接起我的CV火炬，接着前行，各位加油！（后面也学习了yolov5-6.0yolov7的模型部署）本人小白，没怎么发过博客，所以有点乱，标题也没整，太费时间了，我的态度真的是极差，不管了，哈哈哈。话不多说，开整吧烧录环境：Ubuntu20.04主机（虚拟机也可以），为了下载资源，烧录用的ubuntu20.04主机需要预留大约100G的内存空间。我的windows装了双系统，首先进入Ubuntu系统安装SDKManager
文章目录前言一、安装python二、安装cuda+cudnn二、安装pytorch2.1版本匹配2.1.1方法一2.1.2方法二2.2安装.tar.bz2三、验证是否安装成功总结前言本篇文章主要介绍在Windows下python3.7配置pytorch，帮助需要的朋友避坑安装pytorch需要多个版本适配，本文提供一种使用于python3.7和cuda的安装方法，同时给出一些处理问题的建议一、安装pythonpython3.7是比较稳定的版本，可以根据自己的需求安装，可以参考博客：anaconda安装补充：anaconda历史版本仓库二、安装cuda+cudnn参考安装博客：cuda安装补充：
搭建深度学习虚拟环境（Anaconda）创建新的虚拟环境安装CUDA（11.6）安装cudnn（8.4.0.27）安装pytorch（1.13.1）在线安装离线安装安装torchvision（0.14.1）验证安装是否成功创建新的虚拟环境1.以管理员的身份打开AnacondaPrompt窗口：2.创建新的虚拟环境：condacreate-n环境名称python=x.x3.激活刚刚创建好的虚拟环境：condaactivate环境名称安装CUDA（11.6）1.右击鼠标打开NVIDIA控制面板，查看显卡支持的最高CUDA版本：2.Anaconda换清华镜像源，提高下载速度：condaconfig-
torch与torchvision版本对应关系看下边的表格兄弟们看看是不是报这个：File"xxxxxxxx/xxxxx/tools/train.py",line10,inmodule>frommmcv.runnerimportinit_distFile"xxxxxxxx/.conda/envs/ga/lib/python3.7/site-packages/mmcv/runner/__init__.py",line2,inmodule>from.checkpointimport(_load_checkpoint,load_checkpoint,load_state_dict,File"xxxx
