好多30系显卡呀，虽然很贵，但是为了深度学习也没有办法欸。该博客主要是为了30系显卡写的，当然不一定一定要30系列显卡，只要支持都可以这样配置。

表格中会显示显卡的一些信息，第一行是版本信息，第二行是标题栏，第三行就是具体的显卡信息了，如果有多个显卡，会有多行，每一行的信息值对应标题栏对应位置的信息。需要注意的一点是显存占用率和GPU占用率是两个不一样的东西，类似于内存和CPU，两个指标的占用率不一定是互相对应的。* Persistence-M：持续模式的状态开关，该模式耗能大，但是启动新GPU应用时比较快，这里是off。* GPU-Uti

在安装TensorRT前，首先需要安装CUDA、CUDNN等NVIDIA的基本库，如何安装，已经老生常谈了，这里不再过多描述。关于版本的选择，楼主这里：CUDA版本，楼主这里选择的是 cuda11.0 ，具体cuda版本见，可自行下载。CUDNN版本，选择 cudnn-11.0-windows-x64-v8.2.1.32，官网下载需要先注册账号，pycuda 选择 11.4。

好多30系显卡呀，虽然很贵，但是为了深度学习也没有办法欸。该博客主要是为了30系显卡写的，当然不一定一定要30系列显卡，只要支持都可以这样配置。

我们使用labelImg工具来对图像数据集标注。labelImg是开源的Python工具包，其代码和详细介绍可查阅GitHub通过pip install labelImg命令来安装labelImg，注意区分大小写。可在指定的conda环境下下载并安装labelImg该命令跟平台无关，不管在Windows、Linux和MacOS上均可执行。

cmd打开命令窗口，输入conda-env list 查看有几个conda环境。选择一个环境进入conda，输入conda activate pytorch。在Python中，查看torch、cuda和cudnn的版本。进入python环境，输入python。1. 查看torch版本。3.查看cudnn版本。2.查看cuda版本。

在vscode目录中找到刚刚安装的ultralytics目录，在其里面的engine目录下找到model文件。检测结果为4人，1车，1站牌，花了71毫秒。predict方法表示为预测方法，因此在此方法内增加一个print语句。1.建议下载miniconda，若是在Linux上安装，可以参考我这篇。进入对应conda环境，并进入ultralytics-main目录下。进入网址，点击Code，然后点击

sh文件是一种命令脚本文件，在Windows系统下可以通过命令行工具打开运行。通常可以使用Git工具来打开运行.sh脚本文件。不过很多第一次使用Git的人，可能对Git工具不熟悉。.sh文件在命令行运行时是有固定写法的，下面介绍详细步骤。