yolov5 win10 CPU与GPU环境搭建过程

编辑: admin 分类: python 发布时间: 2021-12-24 来源:互联网
目录
  • 前言
  • 一、安装pytorch
    • 1.创建新的环境
    • 2.下载YOLOv5 github项目
    • 3.安装相关依赖库和包
    • 4.验证
  • 二、运行detect.py文件
    • 总结

      前言

      最近实习任务为黑烟检测，想起了可以尝试用yolov5来跑下，之前一直都是用的RCNN系列，这次就试试yolo系列。

      一、安装pytorch

      1.创建新的环境

      打开Anaconda Prompt命令行输入
      创建一个新环境，并激活进入环境。

      # 创建了名叫yolov5的，python版本为3.8的新环境
conda create -n yolov5 python=3.8
# 激活名叫yolov5的环境
conda activate yolov5

      2.下载YOLOv5 github项目

      下载地址为：

      https://github.com/ultralytics/yolov5

      如果安装了git可以使用git clone https://github.com/ultralytics/yolov5，没有的话直接下载zip压缩包也行，把压缩包解压到指定目录就行。

      3.安装相关依赖库和包

      查看一下requirements.txt 里面的内容并下载所有的依赖包
      依次安装，建议可以用清华源进行安装：
      先把清华源设置成默认：

      pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

      再依次安装：

      pip install tqdm
pip install scipy
pip install pyyaml
pip install matplotlib
pip install opencv-python==4.1.2.30
pip install requests
pip install seaborn
pip install pandas

      安装pytorch需要注意一下：
      还是要先换源：

      conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

      然后再用下面的命令代码确认

      conda config --set show_channel_urls yes

      之后进入官网https://pytorch.org/找到合适的版本，如果你是安装cpu版
      在这里插入图片描述
      运行conda install pytorch torchvision torchaudio cpuonly

      如果你是安装GPU版
      在这里插入图片描述

      运行conda install pytorch torchvision torchaudio cudatoolkit=10.1
      这里个人的计算机配置不一样，就拿我的来说cuda10.1可以运行，cuda11无法运行GPU版，这里可以多试几次找到适合自己的版本。

      4.验证

      在刚刚建好的yolov5环境下启动python

      python
#输入库
import torch
#查看版本
print(torch.__version__)

      CPU版如果到这步不报错，就说明安装成功了。

      GPU版需要再运行一些代码查看

      #查看gpu是否可用
torch.cuda.is_available()
#返回设备gpu个数
torch.cuda.device_count()

      一切正常的话，GPU版的pytorch就安装成功了

      二、运行detect.py文件

      在建好的yolov5环境下输入：

      python detect.py

      会默认下载最小的yolov5s.pt文件
      检测结果如下：
      在这里插入图片描述
      在这里插入图片描述

      总结

      总的来说还是比较简单的，除了yolov5s.pt模型，yolov5还有

      在这里插入图片描述

      V3.1权重文件下载不下来的，可以通过下面的链接下载

      http://xiazai.jb51.net/202104/yuanma/yolov_jb51.rar

      到此这篇关于yolov5 win10 CPU与GPU环境搭建过程的文章就介绍到这了,更多相关yolov5 win10 CPU与GPU环境搭建内容请搜索hwidc以前的文章或继续浏览下面的相关文章希望大家以后多多支持hwidc！

      更多阅读