有GPU显示适配器没有英伟达，只有英特尔

Question

准备在服务器上跑yolov5，配torch环境的时候需要下载pytorch，跟教程的时候发现，我的电脑有GPU，但是显示适配器只有英特尔，没有英伟达，想问一下①装Pytorch的时候装cpu吗，②不管装cpu还是gpu都可以在服务器上跑吗，③可以的话是不是cpu会慢，刚学不太懂，麻烦了

Answer 1

Spo小橘小橘 晚上好🌙🌙🌙
本答案参考通义千问

如果你的服务器上显示的GPU是英特尔而不是英伟达，那么它可能不支持CUDA（NVIDIA的并行计算平台），这是PyTorch等深度学习框架通常依赖的。 对于你的问题：

1. 装Pytorch时的选择： 如果你的显卡不支持CUDA，你应该选择安装CPU版本的PyTorch。CPU版本的PyTorch没有对GPU的优化，但可以用于没有GPU或者CUDA不支持的设备。

2. 在服务器上运行： 可以在服务器上运行CPU版本的PyTorch，但这意味着你将无法利用GPU进行加速。对于YOLOv5这样的模型，如果不能使用GPU，训练和推理速度可能会显著降低。

3. 性能影响： CPU版本的PyTorch确实会比GPU版本慢得多，特别是对于大规模的深度学习任务。GPU是为并行计算设计的，能显著加速计算密集型工作。

因此，对于你的服务器，建议选择CPU版本的PyTorch，并且在服务器上可能需要调整模型参数以适应CPU性能。具体步骤如下：

• 选择CPU PyTorch： 在安装PyTorch时，指定--cpu或--no-cuda选项，如pip install torch torchvision --cpu。
• 配置YOLOv5： 针对CPU进行模型配置，可能需要调整batch size和学习率等超参数。YOLOv5提供了--device cpu的选项来指定设备。
• 运行模型： 使用python your_script.py --device cpu命令运行模型。

请注意，虽然在没有GPU的情况下运行深度学习模型会变慢，但如果你的服务器主要用于轻量级任务或者数据预处理，这仍然是可行的。