【目标检测】Anaconda3+PyCharm+Python3.8+PyTorch1.10+Cuda10.2的YOLOv5复现教程

最新推荐文章于 2023-08-07 11:47:53 发布
最新推荐文章于 2023-08-07 11:47:53 发布
阅读量4.9k 收藏 30
点赞数 3
分类专栏： 目标检测 文章标签： 机器学习 目标检测 YOLOv5 目标跟踪 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/KayViolet/article/details/121454589
版权

1 预备工作

1.1 码源下载

下载地址：YOLOv5码源下载
进不去的同学找个梯子哦。

1.2 模型下载

有梯子的同学可以忽略这一步。
没有梯子的话，通过程序下载模型会很慢，所以还是建议通过GitHub官方去下载。
这边也放上下载地址：YOLOv5模型下载
页面向下拉看到下图页面，直接点击，即可下载。
在这里插入图片描述
没有梯子的同学，需要的话留言，我会放上百度云连接。

1.3 环境配置

我用的是Anaconda虚拟环境，具体环境配置我会单独写一篇文章。
将下载下来的yolov5-master.zip文件解压。
在这里插入图片描述
在这里插入图片描述
接下来就是配置环境了。
打开Anaconda Prompt输入如下代码࿰

最低0.47元/天 解锁文章
KayViolet
关注
  • 3
    点赞
  • 踩
  • 30
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
专栏目录
【目标检测】Windows11+Anaconda3+PyCharm+Python3.8+PyTorch1.10.0+CUDA10.2环境配置和YOLOx部署
KayViolet的博客
11-21 5806
0 前言 由于YOLOx是基于Linux系统编写的代码，如果要跑通demo.py，需要对代码进行修改。 在论坛上看了一圈，记录Windows系统的很少，所以有了这篇文章。 本文为Windows部署YOLOx的踩坑记录，本文将详细介绍跑通demo的过程和个人遇到的所有报错。 1 准备工作 1.1 必要环境 Windows+Anaconda+PyCharm+Python 1.1.1 Anaconda创建新环境（Python3.8） 在Anaconda Prompt终端输入如下代码创建新的虚拟环境。 conda
超简单的深度学习环境配置Anaconda+Pytorch+Pycharm+CUDA
weixin_45992725的博客
06-25 2434
在学习深度学习，目标检测这些人工智能领域的东西时，绕不开一个东西就是PyTorch。这篇博客就是关于的这个环境的配置，最主要的就是讲一下在配置过程中遇到的问题。提示：以下是本篇文章正文内容，下面案例可供参考。
【零基础上手yolov5】yolov5的安装与相关环境的搭建
罅隙的博客
10-03 5万+
YOLO是最著名的目标检测算法之一，本文将带领大家完成yolov5的安装和相关环境的搭建，即使是python零基础的小白也可以看懂哦
YOLO v5 实现目标检测
weixin_41258131的博客
10-29 1万+
yolov5 的环境配置、运行与训练过程及其中可能出现的问题与解决办法。
在ubuntu下安装cuda+cudnn+anaconda3+pytorch+pycharm流程
04-03
在双系统ubuntu20.04下安装cuda+cudnn+anaconda3+pytorch+pycharm的详细流程，包括安装时各个环节应注意的事项。
python3环境搭建过程(利用Anaconda+pycharm)完整版
09-16
主要介绍了python3环境搭建过程(利用Anaconda+pycharm)完整版,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
Windows+Anaconda3+PyTorch+PyCharm的安装教程图文详解
09-17
主要介绍了Windows+Anaconda3+PyTorch+PyCharm的安装教程，本文通过图文并茂的形式给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
新版Anaconda3+PyQt5+Eric6+PyCharm 安装配置教程（Win10，202003）.pdf
03-26
本文档图文并茂的描述了PythonGUI编程所需要的环境配置，涵盖了PyCharm、Sublime Text3、Eric6等主流的Python编译器与PyQt5等的配置，并进行了代码测试验证。
ERROR: Could not open requirements file: [Errno 2] No such file or directory: ‘requirments.txt’
qq_39667860的博客
07-16 1万+
然后再pipinstall-rrequirements.txt。先执行pipfreeze>requirements.txt。就解决了，也不知道是什么原理。
虚拟环境中安装requirement安装包出现错误ERROR: Could not open requirements file: [Errno 2] No such file or director
m0_50004939的博客
09-19 1万+
完美解决安装依赖包错误 ERROR: Could not open requirements file: [Errno 2] No such file or directory: 'requirements.txt'
报错ERROR: Could not open requirements file: [Errno 2] No such file or directory : ‘requirments.txt‘
weixin_46111307的博客
07-25 6027
报错ERROR: Could not open requirements file: [Errno 2] No such file or directory : ‘requirments.txt‘
Could not open requirements file: [Errno 2] No such file or directory: ‘requirements.txt‘报错解决办法
AAA_Tong的博客
04-22 2万+
1.打开此电脑->属性->高级系统设置->环境变量->(系统变量)双击PATH->找有没有Scripts环境变量，如果有就上移到最上然后确定。如果没有就点新建添加，输入Scripts文件所在位置然后移动到最上。 2.以上操作完成后再试试 pip install -r requirements.txt ok！ ...
yolov5代码解读之​detect.py文件【超详细的好吗！点进来看阿很用心的！】
qq_53968319的博客
08-07 7843
其实就是因为我们在sys.path路径中存在了yolov5-master这个文件夹的路径，所以导包的时候，它就能知道要在yolov5-master这个文件夹里面去找models文件夹里面的common。warmup就是一个热身环节，它内部就是初始化了一张空白的图片传入到模型中，让模型执行了一次前馈传播，相当于随便给了gpu一张图片，让gpu跑了一遍，让gpu有一个“热身”环节哈哈，完了之后再把自己的数据集给它让他预测。所以我们可以看到jpg是位于这两个格式中的，因此is_file也是表示的true。
yolov5——detect.py代码【注释、详解、使用教程】
热门推荐
CharmsLUO的博客
03-12 8万+
yolov5——detect.py代码【注释、详解、使用教程】 根据目前的最新版本的yolov5代码做出注释和详解以及使用教程，对了目前已经是v6,不知道你看博客的时候是什么版本呢，总的来说越来越先进越来越完善，越来越适合无脑啊哈哈哈，没你说哈IIII detect.py代码注释详解 1. 函数parse_opt（） def parse_opt(): """ weights: 训练的权重路径,可以使用自己训练的权重,也可以使用官网提供的权重 默认官网的权重yolov5s.pt(yo
检测detect.py修改与运行笔记2：找出文件夹中所有图片的**
ResumeProject的博客
10-30 339
【代码】yolov5 检测detect.py修改与运行笔记2：找出文件夹中所有图片的**
史上最详细YOLOv5的detect.py逐句注释教程
qq_51511878的博客
04-10 1万+
detect.py主要有run(),parse_opt(),main()三个函数构成。
anaconda3+pycharm+cuda10.1+cudnn7.6+tensorflow2.2安装与配置教程
最新发布
10-19
安装和配置Anaconda3、PyCharm、CUDA 10.1、cuDNN 7.6和TensorFlow 2.2的步骤如下： 1. 首先，下载并安装Anaconda3。访问Anaconda官方网站，并下载适合您操作系统的安装程序。运行安装程序，按照提示进行安装。 2. 安装完成后，打开终端或命令提示符，并创建一个新的Anaconda环境。运行以下命令： ``` conda create -n env_name python=3.7 ``` 将"env_name"替换为您想要的环境名称。 3. 激活新创建的环境。运行以下命令： ``` conda activate env_name ``` 4. 下载并安装PyCharm。访问JetBrains官方网站，下载适合您操作系统的PyCharm安装程序。运行安装程序，按照提示进行安装。 5. 下载并安装CUDA 10.1。访问NVIDIA官方网站，下载与您的显卡和操作系统兼容的CUDA 10.1安装程序。运行安装程序，按照提示进行安装。 6. 下载并安装cuDNN 7.6。访问NVIDIA官方网站，并下载与您的CUDA版本和操作系统兼容的cuDNN 7.6库。将cuDNN文件解压缩到CUDA的安装目录中。 7. 配置PyCharm以使用Anaconda环境。打开PyCharm并导航到"Settings" > "Project Interpreter"。单击右上角的设置图标，并选择"Add"。在打开的窗口中，选择"Conda Environment" > "Existing environment"。在"Interpreter"字段中，选择Anaconda环境的路径。 8. 在PyCharm中安装TensorFlow 2.2。返回"Settings" > "Project Interpreter"，并单击右下角的"+"按钮。在搜索栏中输入"tensorflow"，并选择TensorFlow包。单击"Install"按钮，完成安装。 9. 现在，您已成功安装和配置Anaconda3、PyCharm、CUDA 10.1、cuDNN 7.6和TensorFlow 2.2。您可以开始使用TensorFlow进行深度学习任务。 请注意，安装和配置步骤可能因操作系统和版本而异。建议在查找和安装这些软件时参考官方文档和教程。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值