文章目录
参考链接和说明
一、基本开发软件(anaconda和pycharm的安装之前已安装,此处不赘述)
二、Yolo v5源码下载
三、anaconda创建所需的虚拟环境和pycharm导入
四、cuda10.2和cudnn10.2安装
五、pytorch安装
参考链接
六、YOLO环境配置
参考链接
注意
七、运行测试文件,看看环境是否正常
参考链接和说明
说明:之前我是使用过YOLOV5的,本来环境也都配好的,但是因为意外内容全部丢失,所以我就索性清空环境从新下载所需的配置。加上之前没有写笔记,隐约记得有很多坑,所以趁着本次毕设之际,重新整理一下整个过程。
致谢:感谢其他写博文的博主,以下是我的参考博文(后面的所有文章参考链接我会写在开头以示支持原创者)
想到好名再改——史上最详细yolov5环境配置搭建+配置所需文件
一、基本开发软件(anaconda和pycharm的安装之前已安装,此处不赘述)
二、Yolo v5源码下载
下载zip的压缩包即可
三、anaconda创建所需的虚拟环境和pycharm导入
网上有教程使用cmd,我最开始使用的就是这种方法。但是这里直接使用anaconda的图形界面即可。如下图:
(1)打开anaconda软件,进入environment栏,下方的create即弹出如图所示框框,取名即可,然后等待就大功告成。
(2)解压下载的yolov5源码,用pycharm打开,然后先导入虚拟环境,如图:
说明:在选择环境的时候进入如图选项,选择下面已经存在的环境,可能会自动跳出来刚刚创建的环境,但是由于我有多个虚拟环境,所以我们需要手动进入anconda所在的文件夹下面的envs中选择我们创建环境中的python.exe解释器。
四、cuda10.2和cudnn10.2安装
具体的过程参考上方链接,这里贴几点需要注意事项:
(1)Visual Studio Intergration和NVDIA GeForce Experience取消勾选
(2)最后的display driver这个选项可以看到我的当前版本比我要安装的版本高,所以这里取消勾选
(3)最后输入nvcc -V出现如下界面即安装成功。
五、pytorch安装
参考链接
去pytorch官网 安装这种方法趁早放弃吧,无论是我用镜像源还是科学上网用官方源下载 ,速度都是极其慢。采取离线下载吧,下面是离线下载网站。
torch和torchvision离线下载地址
下好了直接
pip install torch-1.7.0~~(自己补全)
pip install torchvision-0.8.1~~(自己补全)
然后等几分钟就OK了
六、YOLO环境配置
参考链接
我直接下载的最新的YoloV5 V6.1最新版,这是它的最新依赖要求,这里要一条条下,不要 pip install -r requirements.txt,可能会出现问题不好定位。
# pip install -r requirements.txt
# Base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.2
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.41.0
# Logging -------------------------------------
tensorboard>=2.4.1
# wandb
# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0
# Export --------------------------------------
# coremltools>=4.1 # CoreML export
# onnx>=1.9.0 # ONNX export
# onnx-simplifier>=0.3.6 # ONNX simplifier
# scikit-learn==0.19.2 # CoreML quantization
# tensorflow>=2.4.1 # TFLite export
# tensorflowjs>=3.9.0 # TF.js export
# Extras --------------------------------------
# albumentations>=1.0.3
# Cython # for pycocotools https://github.com/cocodataset/cocoapi/issues/172
# pycocotools>=2.0 # COCO mAP
# roboflow
thop # FLOPs computation
注意
所有的依赖都能够正常下载,但是 pycocotools 在win下不能够正常下载,尝试了网上很多方法,都有点问题。官方的githun库win下用不好,所以得用这个大神修改后支持win的库。
下载后进入如图所示文件夹,运行其指令,最终正常安装成功。
七、运行测试文件,看看环境是否正常
最新V6.1的权重下载页面
直接进入yolo工程,运行python detect.py指令,然后就会识别data/images文件夹下面的两张图片,同时可以看到第四行用到了cuda,使用了gpu,cuda环境安装成功!
这就是识别后的结果,环境配置完成!
运行这个调用电脑摄像头进行一个实时识别,用的权重模型。
python detect.py --source 0
评论(0)
您还未登录,请登录后发表或查看评论