一、前言
在深度学习目标检测方向,应用的方向很多,尤其在当下的自动驾驶、安全监控、人脸识别等等,这篇博客是为了帮助没有基础的同学,真正从零开始,建立自己的模型,实现目标检测快速入门,希望能帮助大家。本文如有不妥之处,恳请大佬斧正。
本文适用显卡类型:NVIDIA显卡系列(支持CUDA)
本文适用操作系统类型:Windows
二、总体思路
三、配置深度学习环境
①安装anaconda🎉
1.安装网址:Free Download | Anaconda
2.安装流程:
一路默认即可,C盘空间不足的建议安装在其他盘,且该盘至少有50G的空间(否则在后期的训练过程中,可能出现页面文件太小的问题)
②配置Conda的虚拟环境🎉
1.打开Anaconda Prompt
2.创建Conda环境
(1) 在D盘(空间多)下(指定路径)创建虚拟环境yolov5 :
代码命令:conda create --prefix=D:/Anaconda3/envs/yolov5 python=3.8
(2)激活Conda环境:
代码命令:conda activate yolov5
(3)设置虚拟环境的默认镜像源:
代码命令:pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
★补充知识: conda的相关命令
#创建环境conda create -name 《环境名》 python=《版本号》
#激活环境conda activate 《环境名》
#退出环境
conda deactivate# 查看虚拟环境列表
conda env list
# 删除环境
conda remove -n 需要删除的环境名 --all
(4)安装适应版本(建议安装10.2 具体看显卡驱动程序版本)的CUDA(用于GPU加速)
代码命令:pip install torch==1.8.2 torchvision==0.9.2 torchaudio==0.8.2 --extra-index-url https://download.pytorch.org/whl/lts/1.8/cu102
(5)测试是否安装好了CUDA
依次输入下列命令:
python
import torch
torch.cuda.is_available()
如果出现 True 那么恭喜你的深度学习环境已经配置好了✔️
四、下载yolov5框架🎉
1.文件下载链接:GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite
2.如何在搭建好深度学习框架(conda的虚拟环境)后在Pycharm中可视化运行项目? 🤔
如何在搭建好深度学习框架后在Pycharm中可视化运行
五、利用labelimg打标签🎉
待续··················