入门Anaconda cuda yolov5 安装排坑

主要参考了  这篇博客  的流程,但是期间还是遇到不少问题

首先pytorch的安装,除了pytorch 还有torchvision torchaudio,对版本的匹配要求高,可以先试试pytorch首页的安装方式,如果不行,就去该网址去安装老版本https://pytorch.org/get-started/previous-versions/

去英伟达开发者网站查阅显卡驱动对应CUDA toolkit版本 并下载

https://developer.nvidia.com/cuda-toolkit-archive

安装pytorch过程中,可以添加清华源

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

如果用清华源和阿里源,也出现版本不匹配,安装失败的问题,最后是挂梯子下的

如果安装成功,执行下面的的命令都会顺利。。。

import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())

 pycharm建立工程时,一定要选择安装了pytorch环境的interpreter,如果是base环境,就是anaconda的目录下的python.exe,否则就是对应环境下的python.exe

怎么看加对了,右下角点进去interpreter setting里面,点进来中间的框会出现很多package,包含了要用的pytorch等包

imglabeling 安装出错

一般都介绍pip install的方法,但安装之后再次出现版本不匹配的问题安装不了

https://github.com/heartexlabs/labelImg

下载代码,然后按照后面的windows+anaconda方案安装完成

如直接使用yolo 里面自动数据集,可能会出现,

raise ImportError("Failed to initialize: {0}".format(exc)) from exc
ImportError: Failed to initialize: Bad git executable.
The git executable must be specified in one of the following ways:
    - be included in your $PATH
    - be set via $GIT_PYTHON_GIT_EXECUTABLE
    - explicitly set via git.refresh()

意思是git没有加入环境变量

在import os 后面加入一句

os.environ["GIT_PYTHON_REFRESH"] = "quiet"

 yolov5成功做了一次网络摄像头识别,然后同时安装了其他包,就再也不能跑了,提示OpenCV 需要rebuild

报错里面有这么一段:

Rebuild the library with Windows, GTK+ 2.x or Carbon support. If you are on Ubuntu or Debian, instal

解决方法:

pip install opencv-contrib-python -i https://pypi.tuna.tsinghua.edu.cn/simple

  • 21
    点赞
  • 47
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而高性能,更加灵活和易用,当前非常流行。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目:单目标检测(足球目标检测)和多目标检测(足球和梅西同时检测)。  本课程的YOLOv5使用ultralytics/yolov5,在Windows和Ubuntu系统上分别做项目演示。包括:安装YOLOv5、标注自己的数据集、准备自己的数据集(自动划分训练集和验证集)、修改配置文件、使用wandb训练可视化工具、训练自己的数据集、测试训练出的网络模型和性能统计。 除本课程《YOLOv5实战训练自己的数据集(Windows和Ubuntu演示)》外,本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程,包括:《YOLOv5(PyTorch)目标检测:原理与源码解析》课程链接:https://edu.csdn.net/course/detail/31428《YOLOv5目标检测实战:Flask Web部署》课程链接:https://edu.csdn.net/course/detail/31087《YOLOv5(PyTorch)目标检测实战:TensorRT加速部署》课程链接:https://edu.csdn.net/course/detail/32303《YOLOv5目标检测实战:Jetson Nano部署》课程链接:https://edu.csdn.net/course/detail/32451《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接:https://edu.csdn.net/course/detail/32669《YOLOv5实战口罩佩戴检测》课程链接:https://edu.csdn.net/course/detail/32744《YOLOv5实战中国交通标志识别》课程链接:https://edu.csdn.net/course/detail/35209 《YOLOv5实战垃圾分类目标检测》课程链接:https://edu.csdn.net/course/detail/35284  

“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 6
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