yolov5介绍和环境搭建

1. 环境搭建

1.1 安装Anaconda

        Anaconda 是一用于科学计算的 Python 发行版,支持 Linux, Mac, Windows, 包含了众多流行的科学 、数据分析的 Python 包。

Anaconda载地址:

     清华镜像:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

     官网镜像:https://repo.anaconda.com/archive/

里选用Python3.6.5版本作为示例,选择对应的Anaconda版本进行下载,这里选择Anaconda3-

5.2.0-Windows-x86_64.exe。具体的版本对应关系参考博客:  bloghttps://blog.csdn.net/heivy/article/details/92992887?spm=1001.2101.3001.6650.2&utm_medium=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~default-2.pc_relevant_default&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~default-2.pc_relevant_default&utm_relevant_index=5

安装过程中,勾选Add path选项。

yolov5介绍和环境搭建_第1张图片

 如果主机没有显卡,跳过 1.2 1.31.6 三步,第 1.5 安装Pytorch时选择CPU版本,查看显卡类型,可在控制面板中打开,或在windows启动项下查找。

yolov5介绍和环境搭建_第2张图片

 1.2 检查显卡驱动

进入NVIDIA控制面板,在帮助标签项下系统信息中查看,找到自己的CUDA版本号,若版本号过低,先更新显卡驱动。

yolov5介绍和环境搭建_第3张图片

 1.3 CUDACudnn的下载和安装

这里可以选择下载CUDA10.2,可以根据你当前系统选择对应的配置并下载,下载好后选择自定义安装,全部勾选下一步即可。

yolov5介绍和环境搭建_第4张图片
cuda官网下载,本机显卡驱动与cuda、cudnn、pytorch、torchvision安装版本对应表,以及完全卸载CUDA方法_锦鲤AI幸运的博客-CSDN博客_cuda官网第一 : 根据本机NVIDIA显卡 Driver Version找到适合本机的CUDA首先Win+R,输入powershell,然后输入nvidia-smi指令既可查看本机Driver Version。也可以用其他方法查看本机的驱动版本,然后对应这下图下载所需要的CUDA版本防止时效性不能及时更新本文,点我进入本机与需要下载CUDA版本选择的官网第二步 : CUDA与cuDNN版本对应防止时效性不能及时更新本文,点我进入CUDA与cuDNN的版本对应官网第三步 : 根据CUDA选择https://blog.csdn.net/qq_37700257/article/details/120617200可参考以上文章。

接着下载Cudnn,地:  Cudnn官网

这里需要先进行注册才能下载,选择CUDA10.2对应的Cudnn 

yolov5介绍和环境搭建_第5张图片

完成后,解压Cudnn包,复制文件夹中的内容,粘贴到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 目录下即可。

yolov5介绍和环境搭建_第6张图片

1.4 创建PyTorch

不同的项目需要不同的虚拟环境,可以处理不同版本的项目之间不兼容问题

  进入Anaconda Prompt命令窗

yolov5介绍和环境搭建_第7张图片

 打开anaconda prompt工具,输入以下内容:conda create -n PyTorch python=3.6

yolov5介绍和环境搭建_第8张图片

 如图,我的已经安装过,如果没有安装选择y,已安装选择n,PyTorch是虚拟环境的名字(--name)-n为缩写,  3.6python版本。然后按y继续安装各种依赖包。

创建成功后,输入以下命令

conda info --envs

可以看见自己的所有环境,其中有刚才创建的PyTorch环境

yolov5介绍和环境搭建_第9张图片

   配置清华TUNA镜像源,Anaconda Prompt命令窗口中输入:conda config --set show_channel_urls yes

yolov5介绍和环境搭建_第10张图片

后可以在C:\User\XXX下看到.condarc文件用记本打开.condarc文件,重写为以下内容:

show_channel_urls: true

default_channels:

- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r

- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2

custom_channels:

conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud      bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud   menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud      pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

channels:

- conda-forge

- defaults

可添加Anaconda Python免费仓库。

1.5 安装PyTorch

PyTorch官网:  PyTorch官网,官网会自动根据你的电脑,显示可以安装的版本,并给出命 令。

yolov5介绍和环境搭建_第11张图片

 CUDA11.6安装命令:

conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia

CPU安装命令:

conda install pytorch torchvision torchaudio cpuonly -c pytorch

根据自己的系统选择。 复制以上命令,打开Anaconda Prompt命令窗口,进入刚才创建的环境(上面创建的叫PyTorch),通过conda activate PyTorch激活。

yolov5介绍和环境搭建_第12张图片

 将刚才复制的命令粘贴过来即可下载安装。yolov5介绍和环境搭建_第13张图片

  1.6 测试

打开Anaconda Prompt命令窗口,激活环境,进入python开发环境中

conda activate PyTorch

python

import torch

torch.cuda.is_available()

为true及环境正常,如果为false就需要检查系统及版本。

yolov5介绍和环境搭建_第14张图片

此刻就可以进行数据整理,准备训练你的模型。

你可能感兴趣的:(yolo环境搭建,python,深度学习,pytorch)