利用GPU(CUDA)跑YOLO V5(Windows环境)(一)

一、配置基本软件与环境(十分甚至九分的重要)

Python(3.7-3.9为佳)

参考网址:Download Python | Python.org

利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第1张图片

不装个人感觉也可以,后面Anaconda配置虚拟环境时会附带Python。

PyCharm(可以装最新版本,有米装Pro,没米装Community够用)

参考网址:Download PyCharm: Python IDE for Professional Developers by JetBrains

利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第2张图片

Anaconda(笔者在学的时候最头疼的就是这玩意儿)

参考网址:Anaconda | Anaconda Distribution(推荐最新)

你想找老版本也可以进Index of / (anaconda.com)

利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第3张图片
利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第4张图片

而且值得注意的一点,Anaconda的安装目录不能有中文、空格或者其他特殊字符,只有英文字母、数字和下划线,否则后续读取时会出现非正常的路径等问题。

利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第5张图片

安装后配置环境向量,如果你是Windows 10及以上用户,你可以直接在任务栏的搜索框搜索“编辑系统环境变量”,以下版本可以通过传统方法:右键“计算机”点“属性”再点“高级系统设置”就会找到“环境变量”。(如果Windows 10以上用户没开搜索框也可以采用传统方法)

这里我们点击“系统变量”的Path,然后“新建”,参考下图路径(实际为你的Anaconda安装路径)

利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第6张图片

完成后可以进cmd/powershell测试一下,输入以下内容回车

conda --version

会出现这个:

利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第7张图片

输入conda也可以,正常的话会出现一大片指令,也证明环境配置完成(节省篇幅就不贴图了)

*关于换源,一般很多人会推荐你装清华源,因为作为国内源的典范资源全下载快。但是清华源下的部分文件会出现配置问题,这个我是推荐酌情考虑,其实速度上我认为还是要取决于你运营商的基础网速。

如果换源的话,请在cmd等终端输入以下命令:

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

验证的话就去找用户文件夹下的.condarc文件(用记事本打开)

利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第8张图片

二、搭建并激活虚拟环境yolov5

搭建虚拟环境

搭建环境有两种方式,但注意一定要记住虚拟环境的文件路径,后面会用:

①命令行创建(打开cmd等终端,输入以下命令,等待一会儿输入y回车)

conda create -n yolov5 python=3.7

②图形化创建(打开Anaconda Navigator,点击environment,再点击下面的create)

利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第9张图片

激活虚拟环境

但激活的话就在命令行里了,输入以下代码,就会实现下图效果

conda activate yolov5
利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第10张图片

但是,如果你遇到要求你初始化终端(例如:conda init cmd.exe ),按照它提示的做,重启cmd后就可以继续激活了。如果遇到其他的错误能找到大神的方案就用,找不到推荐就remake吧(过来人的痛)

想退出来yolov5环境就输入以下代码即可:

conda deactivate

三、安装CUDA并导入Pytorch

注:推荐接下来用到终端的地方都使用管理员身份打开,避免权限不足无法完成部分操作。

参考网站:CUDA 12.0 Release Notes (nvidia.com)(确定CUDA版本)

Start Locally | PyTorch (确定Pytorch安装方式)

安装CUDA(NVIDIA,F**k you)

在此之前,你需要确定你的显卡驱动版本,明确你可以安装的CUDA版本

利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第11张图片

安装的时候选择自定义安装,选好CUDA模块安装即可。各安装模块会标注版本,已经是新版本的就不要安装。(例如驱动)

一般最新版本的CUDA都会自动配置环境向量,如果没有的话会在后续出现bug,这时需要手动配置。

# 以11.7为例
\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin
\NVIDIA GPU Computing Toolkit\CUDA\v11.7\libnvvp

配置完成后,可以用以下命令验证:

nvcc -V
利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第12张图片

如图即可视为完成

导入Pytorch(清华源毁一生)

进入Pytorch,如果你的conda已配置清华源,强烈推荐删除该源并在yolov5虚拟环境中使用pip安装

在清华源下安装的Pytorch多为CPU版本,无法调用GPU。

利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第13张图片

复制最后的代码到配有已激活虚拟环境的终端中,时间视网速而定,出现Successfully即为完成。

可通过下图方式创建py文件验证,没有报错且值为True即为成功(解释器为yolov5)

有任何报错,推荐重装

import torch
print(torch, __version__)
print('GPU', torch.cuda.is_available())
利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第14张图片

四、配置YOLO V5文件

参考网站:mirrors / ultralytics / yolov5 · GitCode

初步配置

从上述网站下载yolov5-master文件(以.zip打包)

利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第15张图片

下载后解压,放到你想要的路径中,并在PyCharm中打开整个文件夹

注:路径必须在一个不带中文字符的文件夹下(如果带有中文字符,会使OpenCV的cv2.imread()函数读取不了待检测图片或视频)

利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第16张图片

配置解释器,解释器为我们最开始配置的yolov5的虚拟环境(内置Python 3.7)

导入虚拟环境路径下的Python解释器(或者导入Anaconda3\Scripts\conda.exe)

利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第17张图片

完成后右下角会和我上面的白图一样显示“yolov5”

依赖库安装(最容易出事的地方)

点击requirements.txt,不推荐直接用第一行的代码,推荐在yolov5的环境下分别在PyCharm下的终端用pip安装(如果出现没有读写权限则进入管理员模式cmd并激活yolov5环境后使用pip分别安装)

当然,时间长短依然取决于网速

利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第18张图片

如果编辑器上方出现:“未安装正确的库”,就手动pip逐个安装需要的库

点击detect.py并运行,会在runs\detect\exp生成以下图片

利用GPU(CUDA)跑YOLO V5(Windows环境)(一)_第19张图片

可能会被要求安装Arial.ttf,可能会因为网络问题出现bug,可能会出现各种库的错误

……

参考bug链接:

AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘_upsample object has

在运行yolo5的v5.0版本detect.py时遇到的一些错误_yolov5 detect.py报错

你可能感兴趣的:(yolov5-learning,python,pip,conda,intellij,idea,virtualenv)