YOLOV7学习/GPU运行--Anaconda配置torch环境

一、 安装Anaconda

  1. Anaconda的安装主要是为了方便环境管理,可以同时在一个电脑上安装多种环境,不同环境放置不同框架:pytorch、tensorflow、keras可以在不同的环境下安装,只需要使用conda create –n创建新环境即可。

  2. 登录 Anaconda的官网:https://www.anaconda.com/distribution/ 直接下载对应安装包

注意:这里勾选两个(其他按默认勾选即可)

  • 配置系统环境

  • 下载安装好以后,在cmd查看:

       

二、 配置torch环境

1、将dos路径进入到anaconda安装路径下的Scripts文件夹下。
  • 首先打开anaconda安装路径下的Scripts文件夹。(我的安装在 D:\ANACONDA,所以进入D:\ANACONDA\Scripts

2 、创建pytorch环境输入以下命令:
 conda create -n pytorch36 python=3.6

创建成功:

3、 激活虚拟环境
 activate pytorch36

4、可查看新建环境

三、 安装pytorch

1、所有的操作都要在对应环境中进行,所以在进行库的安装前需要先激活环境。
 activate pytorch36 
2、添加国内的清华源或者科大源

   加快下载速度,激活python36虚拟环境后,输入以下命令,并点击enter即可:

清华源:

 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
 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 --set show_channel_urls yes

科大源:

 conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
 conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
 conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
 conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
 conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
 conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
 conda config --set show_channel_urls yes

3、官网推荐的安装代码如下,我使用的是Cuda10的版本,对应以下
 pip install torch===1.2.0 torchvision===0.4.0 -f https://download.pytorch.org/whl/torch_stable.html

4、其它依赖库的安装
  • 先更换源,加快下载速度,在用户文件夹下创建pip文件夹,创建pip记事本

     [global]
     index-url = http://pypi.mirrors.ustc.edu.cn/simple
     [install]
     use-mirrors =true
     mirrors =http://pypi.mirrors.ustc.edu.cn/simple/
     trusted-host =pypi.mirrors.ustc.edu.cn
    • 保存后将txt 后缀名改为ini 后缀

  • 在桌面创建记事本保存以下命令,后执行

     scipy==1.2.1
     numpy==1.17.0
     matplotlib==3.1.2
     opencv_python==4.1.2.30
     torch==1.2.0
     torchvision==0.4.0
     tqdm==4.60.0
     Pillow==8.2.0
     h5py==2.10.0

 pip install -r C:\Users\86178\Desktop\requirements.txt
  • 创建成功

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
1. 安装 Anaconda 首先需要安装 Anaconda,下载地址:https://www.anaconda.com/products/individual 选择适合自己操作系统的版本进行下载和安装。 2. 创建环境Anaconda 中创建一个新的环境,使用 Python=3.8 版本: ``` conda create -n yolov5 python=3.8 ``` 3. 激活环境 激活创建的环境: ``` conda activate yolov5 ``` 4. 安装 PyTorch 安装 PyTorch,根据自己的 CUDA 版本和操作系统选择对应的版本,可以在 PyTorch 官网上查找:https://pytorch.org/ 例如,使用 CUDA 11.1 和 Python 3.8,可以使用以下命令安装: ``` pip install torch torchvision torchaudio -f https://download.pytorch.org/whl/cu111/torch_stable.html ``` 5. 安装其他依赖 安装其他需要的依赖: ``` pip install opencv-python matplotlib pillow PyYAML scipy tqdm ``` 6. 克隆 yolov5 仓库 克隆 yolov5 仓库: ``` git clone https://github.com/ultralytics/yolov5.git ``` 7. 安装 yolov5 进入 yolov5 文件夹,安装 yolov5: ``` cd yolov5 pip install -r requirements.txt ``` 8. 测试 yolov5 测试 yolov5 是否安装成功: ``` python detect.py --weights yolov5s.pt --img 640 --conf 0.25 --source data/images/bus.jpg ``` 如果输出了检测结果,说明 yolov5 安装成功。 9. 使用 GPU 训练 如果要使用 GPU 训练,需要安装 CUDA 和 cuDNN。 可以根据自己的 CUDA 版本和操作系统选择对应的版本,可以在 NVIDIA 官网上查找:https://developer.nvidia.com/cuda-downloads 安装完 CUDA 后,需要安装 cuDNN,可以在 NVIDIA 官网上下载对应版本的 cuDNN 安装包,然后将它解压到 CUDA 的安装目录中。 安装好 CUDA 和 cuDNN 后,就可以使用 GPU 训练 yolov5 了: ``` python train.py --img 640 --batch 16 --epochs 100 --data data/coco.yaml --cfg models/yolov5s.yaml --weights yolov5s.pt --name yolov5s_results ``` 以上就是 yolov5-gpu 环境配置的全部步骤。

“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 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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