从0开始的视觉研究生涯（2）复现深度学习模型以YOLOv8为例（入门）

最新推荐文章于 2024-08-01 20:08:05 发布

fisherisfish

最新推荐文章于 2024-08-01 20:08:05 发布

阅读量296

点赞数 2

文章标签：深度学习人工智能

本文链接：https://blog.csdn.net/fisherisfish/article/details/133859050

版权

本文介绍了深度学习环境的搭建过程，包括硬件选择（GPU驱动和CUDA/cuDNN）、软件配置（PyCharm和Anaconda），以及如何通过GitHub和requirements.txt管理软件包，特别是针对YOLOv5和v8模型的复现进行详细步骤说明。目标是帮助初学者建立基础并进行实践项目。

摘要由CSDN通过智能技术生成

现在视觉的流量好低呀，大伙都去搞AIGC了吗？我还是会坚持把这个系列讲完的。

一、软硬件基础

深度学习环境的基础主要分为硬件基础和软件基础，硬件基础就是你训练的GPU、CPU，如果用CPU训练应该不需要额外步骤，GPU训练的话需要去英伟达下载对应的显卡驱动，安装CUDA和cuDNN，这地方还是直接参考现成的吧

然后软件部分推荐使用Pycharm，自带终端很方便，不需要过多的设置

最后还需要python的虚拟环境anaconda

然后搭建软件环境，我们一般直接去Github和Paperwithcode上找到要复现的深度学习模型，以YOLOv5或者v8为例，(在国内还得学会科学上网#狗头)，首先下载ZIP

解压后用pycharm打开对应文件夹，pycharm会自动搭建一个虚拟环境，这里我们选择否，点开pycharm下面的Terminal，比如我们现在要复现YOLOv8，那么就要创建YOLOv8的虚拟环境，这里给萌新解释一下什么是虚拟环境

虚拟环境英文名是virtual environment，它是一个虚拟化，从电脑独立开辟出来的环境。通俗的来讲，虚拟环境就是借助虚拟机来把一部分内容独立出来，我们把这部分独立出来的东西称作“容器”，在这个容器中，我们可以只安装我们需要的依赖包，各个容器之间互相隔离，互不影响。

例如：我的电脑已经安装了Python3，我想使用Python2，就可以在虚拟环境中安装Python2，与电脑中的Python3不冲突。

虚拟环境创建起来一点都不复杂，前面已经安装了anaconda，我们现在只需要使用

conda create -n yolov8 python=3.8

就创建好了一个名为yolov8的虚拟环境，-n就是设定虚拟环境名字，python=3.8是指定python版本，创建好以后，我们可以使用以下命令行激活虚拟环境

conda activate YOLOv8

在命令行之前会出现（yolov8）就说明激活成功了，我们也可以直接为pycharm指定该文件夹的虚拟环境，这样子每次用pycharm打开文件夹，就会自动指定使用这个虚拟环境，也可以用pycharm直接运行相关脚本了

搭建完虚拟环境之后，我们还要为虚拟环境下载各类功能包，一般代码会写一个requirements.txt来说明需要哪些功能包，以YOLOv8为例，

我们激活环境以后，运行下面这个命令行，即可安装上大部分功能包

pip install -r requirements.txt

这里我们需要了解一下其中比较关键的torch包，一般直接按照 pip install -r requirements.txt的话安装的是CPU版本的torch，我们运行一些在GPU上的运算时就会报错，所以我们一般去Pytorch官网

找到适合自己GPU和CUDA的torch包，一般是可以向上向下兼容，比如我12.2的CUDA版本也可以用11.7，11.8的，服务器上11.6的CUDA也可以用11.7，11.8但是跨到12.1貌似就不行了

此外，还有一些功能包可能不好安装，可以去相关网站下载wheel文件，在直接pip install ....whl

还有一些功能包结合在代码当中，需要自行安装

比如Stable-DreamFusion中，需要手动pip install ./gridencoder（gridencoder是一个文件夹，可以手动安装的文件夹内都有一个setup.py）

YOLOv8文件夹中也有setup.py，因为yolov8下载下来实际上就是一个功能包，当我们修改了一个功能包的相关代码以后，可以用以下代码来更新功能包，后续也会提到

python setup.py develop

复现深度学习模型和前一篇的数据集构建一样，都需要大量的实战才能逐渐掌握，两篇文章的目的都是帮助初学者入门，并尝试完成一个简单的工业项目

关注