第一部分:Anoconda环境搭建
准备环境
1)cmd-输入命令nvidia,检查是否支持GPU显卡,标红地方为GPU驱动版本号及支持的CUDA版本。
2)本教程基于Windows 10操作系统,安装Anaconda(基于Python3.9),已配置好环境变量。CUDA是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题,因此通过CUDA程序来控制底层的硬件进行计算。
1.清理Anaconda安装包,进入到虚拟环境,执行安装清理工具Anaconda-clean命令
conda activate Yolov5
conda install anaconda-clean
2.清理安装包
anaconda clean --yes
3.删除备份文件夹下面的文件夹和文件
del /s /q C:\Users\Administrator\.anaconda_backup
rd /s /q C:\Users\Administrator\.anaconda_backup
4.进入控制面板,卸载Anaconda、NVIDIA CUDA。
安装CUDA
1.安装nvidia显卡驱动程序(cuda_11.1.1_456.81_win10),可在官网下载系统适配驱动官方驱动 | NVIDIA,进行精简模式安装,也可根据需要自定义安装
2.下载CUDA工具,https://www.anaconda.com/download/
Anaconda 是跨平台的,有 Windows、macOS、Linux 版本,我们这里以 Windows 版本为例,点击那个 Windows 图标。
3.新建工作站cuda-manager,进行自定义安装
4.编辑环境变量,将Scripts Library/bin mingw-w64/bin添加到环境变量
5.等待安装完成,命令行测试nvcc-V
第二部分 Pytorch安装和Yolov5环境搭建
1.创建虚拟环境Yolov5
conda create -n Yolov5
2.激活环境
conda activate Yolov5
出现如下错误:conda-script.py: error: argument COMMAND: invalid choice: 'activate'
解决方法:
conda init,成功激活环境,到此CUDA搭建完成。
3.conda安装Pytorch
conda install pytorch torchvision torchaudio cpuonly -c pytorch
4.下载Yolov5源码
1)到https://github.com/ultralytics/yolov5/tree/master下载源码压缩包
2)在https://github.com/ultralytics/yolov5/tree/master右侧Releases下有+ 9 releases,点击进入(https://github.com/ultralytics/yolov5/releases)选择YOLOv5s-seg模型下载,下载后放到源码解压后的路径下#下载模型
5.安装依赖
进入到源码根目录,打开requirements.txt 可以看到运行Yolov5需要的依赖文件,需要安装到虚拟环境(此处需要注意安装到虚拟环境)
pip install -r requirements.txt5.运行python detect.py:
报错:
问题1:下载失败yolov5s.pt文件,因为github为外网可能无法访问可能导致下载失败
解决办法:可自行去 https://github.com/ultralytics/yolov5/releases/download/v6.1/yolov5s.pt下载(如果下载5.0版本就不会报问题3、4错误,此链接为作者提供链接)放在yolov5-5.0文件夹下即可
问题2:执行命令报错提示查询字典关键词错误
解决办法:另行下载训练集GitHub - JackZhang9/yolov5s.pt: yolov5s.pt文件,进行替换,并执行命令。
运行示例测试:
python detect.py --source data\Images\bus.jpg --weights weights\yolov5s.pt --img 640
模型样本有两张示例图片
通过推理得到下图
如果有自己的数据集,就可以修改相应的配置文件进行推理和训练工作。