yolov7配置与训练记录(一)

配置

关键在于

1 需要进行conda换源
2 合理的使用pip与conda进行安装

1 配置conda环境

新建conda环境

这里yolov7需要python3.7版本才行,所以推荐anaconda版本为Anaconda3-5.3.0-Linux-x86_64.

conda create --name yolov7 python=3.7

换源

打开终端直接输入即可

conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

如果此处不行的话,你就检验一下,因为有的时候https不行,需要改成http

gedit .condarc

将下面的内容贴进去即可

channels:
  - http://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
  - http://mirrors.ustc.edu.cn/anaconda/pkgs/free/
  - http://mirrors.ustc.edu.cn/anaconda/pkgs/main/
show_channel_urls: true

安装pytorch

conda activate yolov7

pytorch历史版本网址从中选择合适的版本.
本人安装的是v1.8.0,
网站中conda安装命令为

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 -c pytorch

咱们需要将最后的-c pytorch去掉,也就是不从官网下载,即:

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 

安装NVIDIA驱动

NVIDIA驱动官方下载网址,从中选择适合自己的驱动,并下载.下载完成后,我通常放在Download下面.
本人安装的是515.86版本NVIDIA-Linux-x86_64-515.86.01.run
使用快捷键Ctrl+Alt+F1(F1不行的话,就换成F2、F3…),切换到命令行界面

关闭桌面环境
# 如果是gnome桌面环境,执行
sudo service gdm3 stop
# 如果是xfce桌面环境,执行(通常是下面这种)
sudo service lightdm stop
赋权限

找到.run文件所在位置

sudo chmod 777 NVIDIA-Linux-x86_64-515.86.01.run
安装
sudo ./NVIDIA-Linux-x86_64-515.86.01.run 

这里推荐选择yes
在这里插入图片描述

重启
reboot
问题

如果遇见笔记本电脑屏幕左上角短划线常亮的情况,那就是只有扩展屏能用,而笔记本电脑屏幕不能用,可以通过以下方法进行尝试解决:

cd /etc/X11
sudo gedit xorg.conf

添加以下内容即可:

Section "ServerLayout"
    Identifier "layout"
    Screen 0 "nvidia"
    Inactive "intel"
EndSection

Section "Device"
    Identifier "intel"
    Driver "modesetting"
    BusID "PCI:0@0:2:0"
    Option "AccelMethod" "None"
EndSection

Section "Screen"
    Identifier "intel"
    Device "intel"
EndSection

Section "Device"
    Identifier "nvidia"
    Driver "nvidia"
    BusID "PCI:1@0:0:0"
    Option "ConstrainCursor" "off"
EndSection

Section "Screen"
    Identifier "nvidia"
    Device "nvidia"
    Option "AllowEmptyInitialConfiguration" "on"
    Option "IgnoreDisplayDevices" "CRT"
EndSection
测试
nvidia-smi

yolov7配置与训练记录(一)_第1张图片

测试

激活虚拟环境

conda activate yolov7

打开python

python

测试torch

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

如果可以显示torch的安装版本,且cuda可以使用,那就安装完毕了.

2 配置yolov7环境

进入yolov7文件夹内

cd yolov7-main

打开依赖安装文件requirements.txt

sudo gedit requirements.txt

将torch和torchvision两行前面加入# 注释掉.即:不进行安装.
yolov7配置与训练记录(一)_第2张图片
使用pip安装

pip install -r requirements.txt
pip换源

如果pip有问题,安装过于缓慢,甚至不成功,那就进行换成豆瓣源
ubuntu 更换pip源

 sudo mkdir .pip
 cd .pip
 sudo touch pip.conf
 sudo gedit pip.conf

在里面添加如下内容

[global]
trusted-host =  pypi.douban.com
index-url = http://pypi.douban.com/simple

3. 预训练权重下载

https://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7_training.pt

推荐使用github文件加速进行下载


至此环境方面已经配置完毕.下面开始内部文件操作.
yolov7配置与训练记录(一)

参考文章

这个很详细
【小白教学】如何用YOLOv7训练自己的数据集
这个不详细
手把手教你使用YOLOV5训练自己的目标检测模型-口罩检测-视频教程

你可能感兴趣的:(计算机视觉,python,pytorch,深度学习,目标检测,视觉检测)