《graspnet在Win10环境下基于Torch1.12和CUDA11.6的实践》 在当今计算机视觉领域，GraspNet是一个重要的深度学习模型，它主要用于研究机器人抓取物体的能力。原版的GraspNet项目（https://graspnet.net/）为研究人员提供了实现高效抓取策略的框架。然而，随着时间的推移，原始代码可能与最新的硬件和软件环境存在兼容性问题。本文将详细探讨如何在Windows 10操作系统上，利用Torch1.12和CUDA11.6这两个关键组件，成功运行修改后的GraspNet代码。 了解Torch是一个基于Lua的科学计算框架，它包含了大量用于深度学习的工具和库。虽然Torch现在已经被PyTorch广泛取代，但在某些特定场景下，如旧项目维护或特定算法研究时，Torch仍然有其价值。Torch1.12是该框架的一个较早版本，可能不再支持最新的硬件和库，但通过适配和调整，仍可在特定环境中运行。 CUDA（Compute Unified Device Architecture）是由NVIDIA开发的一种编程模型，允许开发者直接利用GPU进行并行计算。CUDA11.6是NVIDIA的一个中间版本，为开发者提供了对高性能计算的支持。在深度学习中，CUDA的更新通常伴随着性能提升和新功能的引入，但对于旧代码，可能需要进行一些适配才能与新版本兼容。 在本案例中，作者针对原版GraspNet代码进行了修改，使其能够在Windows 10系统上与Torch1.12和CUDA11.6协同工作。这通常涉及对GPU设备的调用、内存管理、优化计算效率等方面的调整。对于用户来说，这意味着即使在相对较旧的硬件配置下，也能尝试运行这个模型，进行物体抓取的训练和测试。 要成功部署这个项目，你需要： 1. 安装Torch1.12：确保下载适合Windows系统的Torch版本，并正确配置Lua环境。 2. 安装CUDA11.6：下载并安装CUDA工具包，更新驱动程序，确保GPU支持CUDA11.6。 3. 设置环境变量：添加Torch和CUDA的路径到系统环境变量，以便程序能够找到相关库。 4. 获取和编译源码：下载压缩包中的`graspnet-main`目录，使用Torch的脚本编译和安装项目依赖。 5. 运行代码：根据项目文档或README文件，运行相应的lua脚本来启动训练或测试过程。 在这个过程中，可能会遇到的问题包括但不限于库版本不匹配、驱动程序不兼容、GPU计算资源不足等。解决这些问题通常需要查阅官方文档，查找兼容的库版本，或者对源代码进行进一步的修改。 这个项目为那些希望在旧环境中运行GraspNet的人提供了一个宝贵的资源。通过作者的适配工作，我们有机会在Windows 10上利用Torch1.12和CUDA11.6进行物体抓取的深度学习研究，尽管这可能需要一定的技术背景和调试技巧。这不仅展示了深度学习模型的移植和适应能力，也为学术研究和工程实践提供了有价值的参考。

torch1.8.1，支持ascend npu，arm格式

jetson nano torch1.7.0 torchvision 0.8.0

torch-1.8.0+torchvision-0.9.0

此压缩包包含torch-1.2.0-cp37-cp37m-win_amd64.whl和torchvision-0.4.0-cp37-cp37m-win_amd64.whl

pytorch1.3.0之后，不支持低算力gpu，本人未在pytorch官网找到torch1.3.0相关离线资源，现上传pytorch1.3.0版本及对应torchvision供大家下载。

torch1.9.0的gpu版本的 pip install安装包，网上下载太慢，这个下载迅速。 文件全名： torch-1.9.0+cu102-cp38-cp38-linux_x86_64.whl

torch-1.4.0+cu10.0-cp37-cp37m-linux_x86_64.whl torchvision-0.5.0+cu10.0-cp37-cp37m-linux_x86_64.whl

用于树莓派官方32位arrm7l系统配置pytorch环境，可用于YOLOV5环境的搭建

网盘资源,下了我贼久,包含torch==1.9.0+cu111,对应显卡cuda版本为cuda11.1, 里面也有cuda11.4,cudann.11.4,算是很新的版本了,2021.8.6