yolov5的安装
环境的配置
yolov5是使用pytorch实现,torch支持GUP加速,需要CUDA和cuDNN支持
再下载英伟达显卡驱动的时候会带有cuda,如果下载了驱动,再cmd中使用
nvidia-smi
版本最好是10或10.1 如果已经是10或10.1之后就可以不再安装
官网的cudnn下载需要登录,而且是开发者,可以去注册认证,但个人感觉比较麻烦,可以直接在anaconda中安装,同CUDA也可以在其中安装
Anaconda安装
可以到Anaconda光网去安装,安装最新版即可
官网网址:https://www.anaconda.com/
但是官网的龟速下载太慢
可以使用清华的源
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
下载之后安装即可
注意
-
勾选all user
-
和add to path
忘记勾选也可以手动去添加环境变量
- vscode安装,自选,也可使用其他编辑器或IDE
安装完成之后
在cmd如输入
conda activate base #base 是conda 的基础环境
出现下面这个即为安装成功
之后创建虚拟环境
conda create -n name python=3.7 #name 为你指定的虚拟环境名字 使用3.7版本python
进入虚拟环境
conda activate name
#deactivate 退出当前虚拟环境
例:
conda create -n yolov5 python=3.7
conda activate yolov5
yolov5下载
github 链接 https://github.com/ultralytics/yolov5
下载zip解压即可
依赖环境的安装
在正是安装之前更换源
在conda内使用
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
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 --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --set show_channel_urls yes
cuda和cudnn的安装
conda activate name
conda install cudatoolkit=10.1 cudnn=7.6.5
文件较大,等待安装完成即可
pytorch安装
pip install torch==1.6.0 -f https://download.pytorch.org/whl/torch_stable.html
pip install torchvision==0.7.0 -f https://download.pytorch.org/whl/torch_stable.html
#逐条执行
在虚拟环境中启动python,输入指令测试是否安装成功
import torch
print(torch.cuda.is_available()) #返回True则说明已经安装了cuda
from torch.backends import cudnn
print(cudnn.is_available()) #返回True则说明已经安装了cuDNN
其余环境的安装
在解压后的yolov目录中
torch在其requirements.txt是有pytorch安装,但是pip在无法直接安装这个版本,上个步骤是直接从官网中下载
此处需要将其注掉
conda中来到项目文件
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U -r requirements.txt
等待安装完成即可
测试
python detect.py --source 0 #使用官方训练好的模型 0 为本机摄像头 官方文档有更详细说明
英文下 按 q 退出
在detect.py中可修改