Python —— Windows10下配置Pytorch环境、进行训练模型并测试（完整流程，附有视频）

最终效果

 

 

配置流程

     一、下载安装显卡驱动

          1、查看设备管理器显卡是否为NVIDIA，并确定显卡型号

 
          2、根据显卡型号然后NVIDIA官网下载安装显卡驱动

               下载完成后，双击一步一步执行即可。

 
          3、安装完成驱动后，打开cmd终端输入"nvidia-smi"查看是否正常，若不正常则将C:\Program Files\NVIDIA Corporation\NVSMI添加到环境变量的path中。

 
 

     二、下载安装配置CUDA、cuDNN

          1、下载CUDA 10.02 并安装配置，这里我们使用10.2版本进行演示。

 
               双击下载的exe，选择自定义后，正常安装即可。

 
               安装结束后，系统会自动添加两个环境变量。
               （详细检查如下代码行内环境变量，需与自己电脑一致）

------------- 1、在环境变量中添加如下键值对(参考下图1部分) -------------
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2 
CUDA_LIB_PATH =%CUDA_PATH%\lib\x64 
CUDA_BIN_PATH = %CUDA_PATH%\bin 
CUDA_SDK_BIN_PATH =%CUDA_SDK_PATH%\bin\win64 
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

------------- 2、在Path环境变量中添加一行如下用;间隔的环境变量(参考下图2部分) -------------
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include;
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64;
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64;
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64;

 

          2、下载cuDNN 10.02 并安装配置

                    对于cudnn直接将其解开压缩包，然后需要将bin,include,lib中的文件复制粘贴到cuda的文件夹下C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2

 
          3、CUDA配置测试

               在cmd终端执行"nvcc -V"

 
 

     三、下载安装Anaconda

          注意1：在安装本步骤前自行安装Python3.8.8。若已安装其他版本则删除，重新安装该3.8.8版本

          注意2：若安装Anaconda结束后发现安装目录下缺失很多文件，那么先卸载安装Anaconda；然后找到C:\Users\Administrator\下的.condarc文件和.conda文件夹删除后再次安装Anaconda。

          Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。

 

          安装完毕后打开conda程序如下图，然后修改Aanaconda国内镜像配置

// 修改国内镜像源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

/*
	附加提示,若镜像源更慢那么可以恢复初始镜像源
	conda config --remove-key channels
*/

 
 

     四、下载安装Pytorch

          注意：使用yolov5版本v5.0代码，安装pytorch1.7以上的版本

          打开conda程序，如上图。

// 创建pytorch1.8.1虚拟环境 
conda create -n pytorch1.8.1 python=3.8.8

// 生效并进入pytorch1.8.1虚拟环境
conda activate pytorch1.8.1

// 在所创建的pytorch环境下在线安装pytorch的1.8.1版本
pip install torch==1.8.1+cu102 torchvision==0.9.1+cu102 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html


/*
	附1:删除虚拟环境:
		conda activate base					// 切换到基本环境
		conda env remove -n pytorch1.8.1 	// 删除pytorch1.8.1虚拟环境

	附2:若在线安装pytorch时下载太慢或失败则在下载指令后加入如下代码,下列代码为指定国内镜像源
		-i http://pypi.douban.com/simple --trusted-host pypi.douban.com
*/

 
          在线安装pytorch的1.8.1版本指令来源于PyTorch官网，可以参考：

 
          安装完毕后，执行如下图若没有出错则说明安装成功。

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

 
 

     五、YOLOv5项目克隆和安装

          1、将yolov5源码下载

git clone https://github.com/ultralytics/yolov5.git

          2、解压yolov5源码并在conda终端中进入该源码目录中

// 安装所需要的库。后面的-i..为镜像源 可自行修改
pip install -r requirements.txt -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

          3、下载训练权重文件（提取码：gelf）

               将下载文件中的yolov5s.pt拷贝到yolov5源码的weights文件夹下（若weights文件夹不存在,则创建）。执行如下命令，然后查看yolov5源码目录的runs/detect/exp目录是否生成了检测后的两张图片。

// 使用weights/yolov5s.pt模型对./data/images/目录下的图片进行detect.py的逻辑检测后输出检测后的图片至./run/detect/exp目录下
python detect.py --source ./data/images/ --weights weights/yolov5s.pt --conf 0.4

 
 

     六、训练模型（如下视频1（较粗演示）、如下视频2（较细演示））

          本文5.3已下载了训练权重文件（提取码：gelf）。

 

笔者

笔者 - jxd