第一天 cuda\pytorch\yolov5环境配置

参考链接和说明

说明：之前我是使用过YOLOV5的，本来环境也都配好的，但是因为意外内容全部丢失，所以我就索性清空环境从新下载所需的配置。加上之前没有写笔记，隐约记得有很多坑，所以趁着本次毕设之际，重新整理一下整个过程。
致谢：感谢其他写博文的博主，以下是我的参考博文（后面的所有文章参考链接我会写在开头以示支持原创者）！
想到好名再改——史上最详细yolov5环境配置搭建+配置所需文件
Win10安装CUDA 10.2
win10系统CUDA10.0安装教程

一、基本开发软件(anaconda和pycharm的安装之前已安装，此处不赘述）

二、Yolo v5源码下载

YOLOv5官方网站
YOLOv5加速连接

下载zip的压缩包即可

三、anaconda创建所需的虚拟环境和pycharm导入

网上有教程使用cmd，我最开始使用的就是这种方法。但是这里直接使用anaconda的图形界面即可。如下图：
（1）打开anaconda软件，进入environment栏，下方的create即弹出如图所示框框，取名即可，然后等待就大功告成。

（2）解压下载的yolov5源码，用pycharm打开，然后先导入虚拟环境，如图：
说明：在选择环境的时候进入如图选项，选择下面已经存在的环境，可能会自动跳出来刚刚创建的环境，但是由于我有多个虚拟环境，所以我们需要手动进入anconda所在的文件夹下面的envs中选择我们创建环境中的python.exe解释器。

四、cuda10.2和cudnn10.2安装

具体的过程参考上方链接，这里贴几点需要注意事项：
（1）Visual Studio Intergration和NVDIA GeForce Experience取消勾选

（2）最后的display driver这个选项可以看到我的当前版本比我要安装的版本高，所以这里取消勾选

（3）最后输入nvcc -V出现如下界面即安装成功。

五、pytorch安装

参考链接

pytorch安装及卸载

去pytorch官网 安装这种方法趁早放弃吧，无论是我用镜像源还是科学上网用官方源下载 ，速度都是极其慢。采取离线下载吧，下面是离线下载网站。

torch和torchvision离线下载地址

下好了直接
pip install torch-1.7.0~~(自己补全)
pip install torchvision-0.8.1~~(自己补全)
然后等几分钟就OK了

六、YOLO环境配置

参考链接

Windows下安装 pycocotools
我直接下载的最新的YoloV5 V6.1最新版，这是它的最新依赖要求，这里要一条条下，不要 pip install -r requirements.txt，可能会出现问题不好定位。

# pip install -r requirements.txt

# Base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.2
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.41.0

# Logging -------------------------------------
tensorboard>=2.4.1
# wandb

# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0

# Export --------------------------------------
# coremltools>=4.1  # CoreML export
# onnx>=1.9.0  # ONNX export
# onnx-simplifier>=0.3.6  # ONNX simplifier
# scikit-learn==0.19.2  # CoreML quantization
# tensorflow>=2.4.1  # TFLite export
# tensorflowjs>=3.9.0  # TF.js export

# Extras --------------------------------------
# albumentations>=1.0.3
# Cython  # for pycocotools https://github.com/cocodataset/cocoapi/issues/172
# pycocotools>=2.0  # COCO mAP
# roboflow
thop  # FLOPs computation

注意

所有的依赖都能够正常下载，但是 pycocotools 在win下不能够正常下载，尝试了网上很多方法，都有点问题。官方的githun库win下用不好，所以得用这个大神修改后支持win的库。
COCO 官方地址
修改后win支持coco库
下载后进入如图所示文件夹，运行其指令，最终正常安装成功。

七、运行测试文件，看看环境是否正常

最新V6.1的权重下载页面
v6.1权重下载

直接进入yolo工程，运行python detect.py指令，然后就会识别data/images文件夹下面的两张图片，同时可以看到第四行用到了cuda，使用了gpu，cuda环境安装成功！

这就是识别后的结果，环境配置完成！

运行这个调用电脑摄像头进行一个实时识别，用的权重模型。

python detect.py --source 0