【YoloV5】Deepin系统使用Gpu进行YoloV5训练

1.配置环境

1.1英伟达的驱动安装

• 查看当前自己系统的显卡信息

lspci | grep -i nvidia

sudo lshw -numeric -C display

• 官网安装
  官网进行下载
  

• 直接使用命令安装(推荐)

sudo apt install nvidia-driver
reboot #重启一下

nvidia-smi

• 显示出来了cuda版本是11.6

2. pytorch安装

2.1pytorch环境配置

pytorch官网

安装pytorch的时候之前，需要配置好conda环境

参考：deepin&Liunx系统如何安装conda环境

• 执行如下命令配置 pytorch

conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia

2.2 验证Gpu

• 可以查看pytorch和cuda的版本

conda list 

• 输入python 验证显卡是否成功

>>> import torch
>>> torch.__version__ #当前pytorch版本
'1.13.1'
>>> torch.cuda.is_available() #pytorch调用显卡是否成功 True，表示调用成功
True
>>> True

3.使用Yolo5进行Gpu模型训练

3.1 准备需要训练的数据集和标注数据集

• 放到data的mydata下
  
• 修改自己的数据地址，训练地址，校验地址
  
• 修改自己的训练数据集配置文件和数据源
  
• 执行命令，可以看出这里选择的是Gpu
  
• 训练了300轮的结果集，速度是0.049个小时
  
• 训练结果展示