【备忘】从零开始搭建Yolo5训练环境

1. 背景

不包含Yolo5所需的各种库，基础环境总览如下：

1. 硬件
   CPU： Intel® Xeon® Silver 4210R CPU @ 2.40GHz × 20
   RAM：32GB DDR4
   SSD：512GB NVME
   HD：2.8TB RAID5。
   Graphic: NVIDIA RTX-3060Ti

2. OS:
   Ubuntu：20.04.4 LTS
   Kernel： 5.15.0-43-generic
   Graphic Driver： NVIDIA driver metapackage 来自 nvidia-driver-515（专有，tested）
   特别提醒，必须保证显卡驱动的正确安装，且能被OS所认识，否则会影响后面的cuda安装或造成死机等奇怪现象。如下图则说明驱动正确安装。
   

3. cuda

(base) ubuntu@ubuntu-Super-Server:~$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Sun_Jul_28_19:07:16_PDT_2019
Cuda compilation tools, release 10.1, V10.1.243

4. anaconda版本 – 4.13.0
   安装anaconda纯粹就是利用它的虚拟环境区分能力，它网站的安装包管理说实在很难用。

(base) ubuntu@ubuntu-Super-Server:~$ conda --version
conda 4.13.0

6. python版本 – 3.10.4

(yolo5) ubuntu@ubuntu-Super-Server:~$ python --version
Python 3.10.4

7. Pytorch（1.13.0，请注意，这个版本与显卡硬件的并行计算能力相关，详情可参考，RTX-3060Ti要求Nightly的preview版本）以及cudatoolkit（11.6）

>>> import torch
>>> torch.__version__
'1.13.0.dev20220804+cu116'

2. 安装过程

1. 显卡驱动

• 前往NVIDIA显卡驱动下载地址选择正确的CPU架构以及OS后下载驱动
  
• 下载后驱动文件应该为一个后缀为.run的文件，将此文件赋予执行权限（sudo chmod +x NVIDIA-Linux-x86_64-515.65.01.run）
  
• 重启机器，长按Shift键，进入grub的命令行模式。在命令行模式（无X-server启动）的情况下，运行以上run文件，安装完成后重启。

2. 安装cuda

基本以下两条命令顺序执行就可以了，留意gcc的版本，网上有文章说不能低于7.5，我是9.4，可以gcc -v看一下。

sudo apt-get install build-essential
sudo apt-get install nvidia-cuda-toolkit
#检查是否正确安装
nvcc --version

3. 安装anaconda及配置虚拟环境

【写在前面】请勿在第3步前安装以下任何的软件，包括：Python、Pytorch、cuda-toolkit、yolo各依赖包，这些安装都要在虚拟环境下进行，否则机器的实验环境会弄得很乱。

3.1 下载anaconda

• 可以到以下链接下载Linux 64位的安装包：Anaconda下载链接
• 下载完成后同样赋予可执行的权限。（sudo chmod +x <anaconda_install_package.sh>）

3.2 配置虚拟环境

• 第一步，升级conda
• 第二步，创建虚拟环境。执行“新建虚拟环境命令”
• 第三步，进入虚拟环境。

# 升级conda
conda update conda
conda update anaconda
# 新建虚拟环境命令
# 创建虚拟环境时可以顺便指定该虚拟环境下的Python版本，把optional后的加进去即可。
conda create -n <your-env-name> [optional: python=<your-python_version>]
# 查看各虚拟环境名称
conda info --envs  
# 进入虚拟环境
conda activate <your-env-name>
# 退出虚拟环境
conda deactivate

4. 安装Yolo5环境

4.1 在conda无激活的环境下安装git

conda deactivate
# 确保console完全退出conda环境（包括base），如果你是从base环境进入自建虚拟环境，则需要执行两次。
sudo apt-get install git
# 然后git初始化一下，不赘述。

4.2 进入虚拟环境

conda activate <your-env-name>
# 不记得env名称就 conda info --envs 一下

4.3 拉取Yolov5项目

git clone https://github.com/ultralytics/yolov5.git

5. 安装Pytorch、cuda-toolkit以及各依赖包

5.1 安装Pytorch+cuda-toolkit（在虚拟环境下，后续除非特殊说明，一般都在虚拟环境下进行）

在以下链接自行选择，我的选择如下图

特别提示一下，尽量不要用conda install < your-package-name >命令，源比较慢，最关键会出现各个依赖库的confilct，我一开始也是打算全部用conda install完成，后来还是放弃了，直接用pip吧。

#第一步，先升级pip到最新
pip install -U pip
#第二步，安装Pytorch，命令如下，我的环境pip跟pip3是一样的，所以我直接用了pip
pip install --pre torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/nightly/cu116

5.2 安装yolov5所需的依赖包

• 第一步，修改yolov5目录下的requirements.txt，注释掉torch和torchvision，这两项在5.1里面已经装过了。个人推荐加上wandb。
  

• 第二步安装依赖包

pip install -r requirements.txt

至此，环境的搭建基本完成，可以按照以上步骤检查一下。