Pytorch版YOLOv4环境安装

一、环境描述：

1、pytorche版本： 19+cpu

2、python版本：3.8

3、操作系统 win10

4、显卡，主板集成显卡

二、配置运行环境

1、代码地址：GitHub：https://github.com/argusswift/YOLOv4-pytorch

2、权重文件下载

• YOLOv4：百度云盘， 提取码 args
• MobileNet v2：百度云盘，提取码 args
• MobileNet v3：百度云盘，提取码 args

3、数据集下载

        Pascal VOC数据集：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar 、

http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar

http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
        将三个压缩包解压后放到代码目录的data文件夹下

|——data
|    |——VOCtest-2007
|        |——VOCdevkit
|            |——VOC2007
|                |——Annotations
|                |——ImageSets
|                |——JPEGImages
|                |——SegmentationClass
|                |——SegmentationObjct
|    |——VOCtrainval-2007
|        |——VOCdevkit
|            |——VOC2007
|                |——Annotations
|                |——ImageSets
|                |——JPEGImages
|                |——SegmentationClass
|                |——SegmentationObjct
|    |——VOCtrainval-2012
|        |——VOCdevkit
|            |——VOC2012
|                |——Annotations
|                |——ImageSets
|                |——JPEGImages
|                |——SegmentationClass
|                |——SegmentationObjct
|    |—— CBAM.png
|    |—— det-result.jpg
|    |—— heatmap.jpg
|    |—— modelsize.jpg
|    |—— results.jpg
|    |—— SEnet.jpg
 

4、安装依赖库

1）pip install -r requirements.txt 

2）安装apex

        git clone https://github.com/NVIDIA/apex

        cd apex

        python setup.py install

这里有个问题。我的机器是windows系统，没有n显卡，安装的时候会报一个错误。

Warning: Torch did not find available GPUs on this system.
If your intention is to cross-compile, this is not an error.
By default, Apex will cross-compile for Pascal (compute capabilities 6.0, 6.1, 6.2),
Volta (compute capability 7.0), Turing (compute capability 7.5),
and, if the CUDA version is >= 11.0, Ampere (compute capability 8.0).
If you wish to cross-compile for a single specific architecture,
export TORCH_CUDA_ARCH_LIST="compute capability" before running setup.py.

这里说明，需要运行export TORCH_CUDA_ARCH_LIST="compute capability"即可

由于是在windows下，只需要在环境变量中增加

TORCH_CUDA_ARCH_LIST="compute capability" 就可以搞定

三、处理数据集
        使用utils/voc.py（在pycharm中找到voc.py这个文件，右键选择Run ‘voc’）转换pascal voc *.xml格式到.txt格式（img_path xmin0 ymin0 xmax0 ymax0 class0, xmin1 ymin1 xmax1 ymax1 class1,……)

        运行后data目录下多了两个文件test_annotation.txt和train_annotation.txt。

四、修改配置文件：

        查看config/yolov4_config.py中“DATA_TYPE”参数 = VOC。

        模型原先设置的是CoordAttention-YOLOv4，因为下载了yolov4的权重，所以把模型改成了YOLOv4，即MODEL_TYPE={"TYPE": "YOLOv4"}。

注：参考Pytorch版YOLOv4训练步骤（一）_夏至扬光的博客-CSDN博客