【神经网络务实：Deepin Linux 安装使用yolov5】

前言：

Yolov5 是目前深度神经网络模型中最火的识别工具，网上教程大都是Ubuntu 或 win10的，为支持简洁易用的国产操作系统Deepin Linux，特花时间探索了一遍。时间也是钱，花钱买一块算力>5的显卡，用GPU训练模型可以节约大量的时间，开始吧，骚年！(参考了本人sina博客的一些内容，故有sina的有部分重复)

一、准备软硬件环境

1、主机：IBMs20工作站

主机最好使用工作站或者服务器，强调一下电源功率>=600W，普通PC机或商用或家用机的电源功率和稳定性不够，等着死机吧！性价比最高的是网上买个二手的IBM工作站，不要买Dell的，保你用不了多久，HP也行。

2、显卡：GTX750TI显卡

土豪买就最新的GTX1080等，吊丝还是买中档的性价比高，比如几年前的GTX750Ti好用又便宜(<1k)。要注意的是显存>=4G, 否则跑神经网络数据量稍大就很容易卡死显卡。

3、操作系统：Deepin Linux

Deepin Linux 比 Ubuntu更符合中国人的使用习惯，稳定性也久经考验，自带常用软件如WPS、QQ、微信、搜狗输入法、截屏工具，还可以运行安卓软件。现在版本有V20，我用的15.8也挺好。
安装过程一句话：下载镜像写入U盘启动主机。更详细的找度十娘。
本教程用的编辑器是小巧可爱的geany，事先安装一下。

  sudo apt install geany

4、安装Opengl

先安装自带的opengl是为了避免后面安装nvida驱动时带的有问题

sudo apt-get install build-essential libgl1-mesa-dev
sudo apt-get install freeglut3-dev
sudo apt-get install libglew-dev libsdl2-dev libsdl2-image-dev libglm-dev libfreetype6-dev

网上找个gl的入门代码保存到test.cpp:

#include "GL/glut.h"
  void init();
  void display();
int main(int argc, char* argv[])
{
  glutInit(&argc, argv);
  glutInitDisplayMode(GLUT_RGB | GLUT_SINGLE);
  glutInitWindowPosition(0, 0);
  glutInitWindowSize(300, 300);
  glutCreateWindow("土豪专用 3D 夜壶");
  init();
  glutDisplayFunc(display);
  glutMainLoop();
  return 0;
}
void init()
{
  glClearColor(0.0, 0.0, 0.0, 0.0);
  glMatrixMode(GL_PROJECTION);
  glOrtho(-5, 5, -5, 5, 5, 15);
  glMatrixMode(GL_MODELVIEW);
  gluLookAt(0, 0, 10, 0, 0, 0, 0, 1, 0);
}
void display()
{
  glClear(GL_COLOR_BUFFER_BIT);
  glColor3f(1.0, 0, 0);
  glutWireTeapot(3);
  glFlush();
}

g++  test.cpp   -l GL -l GLU -l glut  

生成一个a.out 即可验证。

./a.out 运行如下结果：

二、安装N卡驱动和Cuda10

用：“系统设置->软件更新->附加驱动->选择nvidia最新驱动(361)->应用更改”失败！网上的其他方法不能完全禁用nouveau，安装失败！，用以下方法成功。
因为Cuda里包含了N卡的驱动，所以可以直接安装Cuda，不必单独安装驱动。

下载cuda备用
Cuda10.2下载地址

1、除旧

打开终端，先删除旧的驱动：

  sudo apt-get purge nvidia*

禁用自带的 nouveau nvidia驱动
创建一个文件blacklist-nouveau.conf, 通过命令

   sudo geany /etc/modprobe.d/blacklist-nouveau.conf

并添加如下内容：

blacklist nouveau
options nouveau modeset=0

再更新一下

 sudo update-initramfs -u

修改后需要重启系统。确认下Nouveau是已经被你干掉，使用命令：

   lsmod | grep nouveau

后没有显示表示已经干掉。

2、迎新

重启系统至init 3（文本模式），也可先进入图形桌面再运行init 3进入文本模式，还可以直接Ctrl+Alt+F2进入第二个控制台再安装下载的驱动就无问题，首先我们需要结束x-window的服务，否则驱动将无法正常安装
关闭X-Window，很简单：

  sudo service lightdm stop

然后切换到tty1控制台：Ctrl+Alt+F1即可

3、正式安装

1. 安装

   sudo sh ./cuda_10.2.89_440.33.01_linux.run 

开始有很长的licence阅读，用Enter翻页太久，用Ctrl+c可以快速跳过， 其他的都是默认或者YES， 选择所有选项。
如果出错，它会提示你看log信息，多半是因为nouveau未被成功干掉。

2.添加环境变量

geany ~/.bashrc

把下面两行加到最后

export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
export PATH=/usr/local/cuda-10.2/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64:$LIBRARY_PATH

保存，为了生效，需要

  source ~/.bashrc

3.测试

cd ~/NVIDIA_CUDA-10.2_Samples/1_Utilities/deviceQuery
make
./deviceQuery```

可以看到如下类似GPU 的型号内存速度等信息。

最后安装完毕后，重新启动X-Window：

   sudo service lightdm start

然后Ctrl+Alt+F1进入图形界面；

4、设置

  nvidia-smi
  nvidia-settings

没有出错，看看即可，没有什么好设置的。

三、安装cuDNN

去 https://developer.nvidia.com/cudnn 下载， 需要注册，cudnn-10.2-linux-x64-v8.1.0.77
这个安装仅需解压和copy:

tar -xvzf ./cudnn-10.2-linux-x64-v8.1.0.77
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

四、安装anaconda 和 torch

单独安装pyhon很多版本问题、依赖问题，还是全家桶好。集成环境anaconda，包括了numpy、scipy、six、matplotlib等几十个扩展包，因此只需要装这一个东西。

1.下载安装anaconda

下载地址

 bash ./Anaconda3-2021.11-Linux-x86_64

注意： 此处bash 前一定不要加sudo

它会问你是否将anaconda安装路径加入到环境变量（.bashrc)中，这个一定要输入yes，它会自动加入环境变量。
执行以下命令让环境变量生效：

source ~/.bashrc

安装成功后，会有当前用户根目录下生成一个anaconda3的文件夹，里面就是安装好的内容.
创建python 版本环境如下，py38可以改为其他名字：

  conda create -n py38 python=3.8
  conda activate py38

此时可以看到终端用户名前有(py38)，表明当前python环境已经改base为py38.

2. 安装 pytorch

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

终端输入python，然后再输入代码测试：

import torch
print(torch.cuda.is_available())

看到结果为True就说明 Torch 和 Cuda 都OK了

五、安装 Yolov5

1. 下载
2. 安装
   解压：

unzip yolov5-master.zip

cd 进入 其目录，ls 应该看见有依赖需求文件 requirements.txt
pip 安装即可，此过程需要下载内容多，时间较长，可以起身锻炼一下，让你看起来没那么像码农:)

pip install -r requirements.txt

3. 测试
   需要下载权重文件，但要注意不要下载到默认的V6训练的！否则会出现如下错误：
   AttributeError: Can‘t get attribute SPPF on module models. common
   
   一定要下载v5的如下：
   
   
   下载后放到yolov5的目录下输入

python detect.py --source "./data/images/bus.jpg"

然后就能出现正确的结果啦！

如果连接了摄像头，Deepin Linux的自带驱动很多，即插即用，无需像windows那样“找到新硬件…,”搞半天。
输入：

python detect.py --source 0

即可得到摄像头图像的识别结果如下：