【YOLOv5实战】基于YOLOv5的交通标志识别系统-环境搭建

实战博客指引：

1. 实战环境搭建
2. 自定义数据集
3. 模型训练
4. 模型测试与评估
5. YOLOv5整合PyQt5

项目源代码可联系博主获取。

一、环境搭建

1.首先下载Anaconda

Anaconda官网下载

2.cuda和cudnn安装

这些网上都有较为详细的教程，直接去下载即可。我这里提供相关数据。本人使用的版本为：cuda10.1+cudnn7.6.5

百度网盘链接:

链接：https://pan.baidu.com/s/1No-qZSpLbMCZGPWD8dbLkA
提取码：jofm

3.创建torch环境

将前两步完成后，进行pytorch的安装。

打开左下角的类似于cmd的面板

创建pytorch虚拟环境
conda create -n 环境名称 python==版本

conda create -n torch python==3.7.0

之后查看当前conda环境

conda env list

星号为当前所在的位置，激活你的虚拟环境

activate torch

可见当前环境切换为torch

二、安装pytorch

前往pytorch官网查看:pytorch

按照自己的cuda版本对应安装pytorch。由于我使用的是cuda10.1，选择pytorch为1.7.1的版本，下载命令为：

# CUDA 10.1
pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

等待下载完成。下载完成后，输入以下命令查看是否能够使用GPU：

python
import torch 
print(torch.__version__)
print("gpu", torch.cuda.is_available())

当输出结果为True时安装成功！