(包教会)配置Yolov5其实没那么复杂——Yolov5配置环境总结版

最新推荐文章于 2025-03-09 14:30:27 发布
最新推荐文章于 2025-03-09 14:30:27 发布
阅读量2.7w 收藏 359
点赞数 60
文章标签： python pycharm pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hh571050143/article/details/119968613
版权

Win10--Yolov5环境配置

一、安装Anaconda3

具体见我的其他文章：https://blog.csdn.net/hh571050143/article/details/119984613

二、创建一个yolov5的环境

具体见我的其他文章：https://blog.csdn.net/hh571050143/article/details/119984656

三、查看自己显卡适合的cuda与cudnn版本

具体见我的其他文章：https://blog.csdn.net/hh571050143/article/details/119984696?spm=1001.2014.3001.5501

四、下载相应的pytorch，cuda与cudnn版本

1.更改通道（为了下载的更快）

1.用txt形式打开C:\Users\57105该目录下.condarc文件

2.将如下代码全部复制进该txt

channels:
  - defaults

show_channel_urls: true

default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

在这里插入图片描述

2.下载相应的pytorch，cuda与cudnn

-1.进入官网寻找相应pytorch版本
官网链接：https://pytorch.org/get-started/locally/
根据自己的需求选择，如图所示，我们用cuda11.1为例
在这里插入图片描述
复制图中我标出的代码

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

-2.打开cmd，激活你为yolov5配置的环境

activate 你的环境名

在这里插入图片描述
-3.下载pytorch
输入上一步复制的代码
在这里插入图片描述在这里插入图片描述
正在下载
在这里插入图片描述
下载完成
在这里插入图片描述

3.查看环境中的配置

输入以下代码查看环境中的配置

conda list

以下为到这一步位置环境中应有的配置，主要看这两个

cudatoolkit               11.1.1               heb2d755_7    conda-forge

pytorch                   1.9.0           py3.8_cuda11.1_cudnn8_0    pytorch

—

	（这个cudatoolkit是包含在从官网下载的pytorch的包里的
		所以不用另外下载一个CUDA）

—

	(csdn_yolo) C:\Users\57105>conda list
packages in environment at C:\me\Anaconda3\envs\csdn_yolo:
Name                    Version                   Build  Channel
blas                      2.111                       mkl    conda-forge
blas-devel                3.9.0              11_win64_mkl    conda-forge
ca-certificates           2021.7.5             haa95532_1    https://repo.anaconda.com/pkgs/main
certifi                   2021.5.30        py38haa95532_0    https://repo.anaconda.com/pkgs/main
cudatoolkit               11.1.1               heb2d755_7    conda-forge
freetype                  2.10.4               h546665d_1    conda-forge
intel-openmp              2021.3.0          h57928b3_3372    conda-forge
jpeg                      9b                   hb83a4c4_2    defaults
libblas                   3.9.0              11_win64_mkl    conda-forge
libcblas                  3.9.0              11_win64_mkl    conda-forge
liblapack                 3.9.0              11_win64_mkl    conda-forge
liblapacke                3.9.0              11_win64_mkl    conda-forge
libpng                    1.6.37               h1d00b33_2    conda-forge
libtiff                   4.2.0                hd0e1b90_0    defaults
libuv                     1.42.0               h8ffe710_0    conda-forge
lz4-c                     1.9.3                h8ffe710_1    conda-forge
m2w64-gcc-libgfortran     5.3.0                         6    conda-forge
m2w64-gcc-libs            5.3.0                         7    conda-forge
m2w64-gcc-libs-core       5.3.0                         7    conda-forge
m2w64-gmp                 6.1.0                         2    conda-forge
m2w64-libwinpthread-git   5.0.0.4634.697f757               2    conda-forge
mkl                       2021.3.0           hb70f87d_564    conda-forge
mkl-devel                 2021.3.0           h57928b3_565    conda-forge
mkl-include               2021.3.0           hb70f87d_564    conda-forge
msys2-conda-epoch         20160418                      1    conda-forge
ninja                     1.10.2               h5362a0b_0    conda-forge
numpy                     1.21.2           py38h089cfbf_0    conda-forge
olefile                   0.46               pyh9f0ad1d_1    conda-forge
openssl                   1.1.1k               h8ffe710_1    conda-forge
pillow                    8.3.1            py38h4fa10fc_0    defaults
pip                       21.0.1           py38haa95532_0    https://repo.anaconda.com/pkgs/main
python                    3.8.11               h6244533_1    https://repo.anaconda.com/pkgs/main
python_abi                3.8                      2_cp38    conda-forge
pytorch                   1.9.0           py3.8_cuda11.1_cudnn8_0    pytorch
setuptools                52.0.0           py38haa95532_0    https://repo.anaconda.com/pkgs/main
sqlite                    3.36.0               h2bbff1b_0    https://repo.anaconda.com/pkgs/main
tbb                       2021.3.0             h2d74725_0    conda-forge
tk                        8.6.11               h8ffe710_0    conda-forge
torchaudio                0.9.0                      py38    pytorch
torchvision               0.10.0               py38_cu111    pytorch
typing_extensions         3.10.0.0           pyha770c72_0    conda-forge
vc                        14.2                 h21ff451_1    https://repo.anaconda.com/pkgs/main
vs2015_runtime            14.27.29016          h5e58377_2    https://repo.anaconda.com/pkgs/main
wheel                     0.37.0             pyhd3eb1b0_0    https://repo.anaconda.com/pkgs/main
wincertstore              0.2                      py38_0    https://repo.anaconda.com/pkgs/main
xz                        5.2.5                h62dcd97_1    conda-forge
zlib                      1.2.11            h62dcd97_1010    conda-forge
zstd                      1.4.9                h6255e5f_0    conda-forge

我们可以看到，环境中虽然有cuda和pytorch，但是并没有cudnn，所以我们还要下载一个对应版本的cudnn

输入

		conda install cudnn==8.1.0
		（该cudnn版本应与你的cuda对应，具体看上方教程）

4.出现问题，以及解决方法

安装cudnn时出现报错

在这里插入图片描述
可以看到，我们安装cudnn时报错了，这个错误可以更换源解决。

但是由于我们要安装的cudnn目前没有国内源，所以我们用以下方法解决

安装cudnn时出现报错解决方法

-1.查找cudnn版本
输入以下代码

anaconda search -t conda xxxx（你要下载的软件名）

在这里插入图片描述
在它给出来的一大堆版本中找到我们需要的版本
（上述cudnn与cuda对应表可以看到所需要的版本）
在这里插入图片描述
记录下版本名
在这里插入图片描述
-2.下载你所需要的版本
输入以下代码

conda install -c https://conda.anaconda.org/X（你的版本名）

conda install -c https://api.anaconda.org/fastchan cudnn
								 		  （版本名中的/用空格代替）

下载即可

-3.看看有没有下载成功
输入以下代码

conda list

在这里插入图片描述
可以看到我们的环境中多了一个cudnn

5.验证CUDA和duDNN是否可以正常使用

如下

python
import torch
a = torch.tensor(1.)
a.cuda()
from torch.backends import cudnn
cudnn.is_available()
cudnn.is_acceptable(a.cuda())

在这里插入图片描述

五、配置Yolov5相关环境

1.下载Yolov5

可以通过该链接下载
https://codechina.csdn.net/mirrors/ultralytics/yolov5?utm_source=csdn_github_accelerator

也可以通过我的百度云下载我正在使用的yolov5版本

链接：https://pan.baidu.com/s/1kbpvsZiTBtZjYB5LndOXNQ
提取码：V5V5

2.配置Yolov5所需要的环境

我们解压所下载的yolov5压缩包并打开
注意，yolov5文件要放在纯英文路径
找到一个名为requirements.txt的txt文件
复制这一段，如下

pip install -r requirements.txt

在这里插入图片描述
打开CMD，激活你所配置的环境
进入你解压好的yolov5文件路径

activate csdn_yolo
cd C:\me\yolov5-4.0\yolov5-4.0(cd到你自己安装yolov5的文件路径)
输入 pip install -r requirements.txt

在这里插入图片描述
那么我们yolov5所需要的环境就配置好了
在这里插入图片描述

3.下载Yolov5权重文件

链接：https://pan.baidu.com/s/19ug7l4BTFAmEAaSAYxhz0w
提取码：yolo

将该权重文件放置在yolov5文件内
在这里插入图片描述

六、测试Yolov5是否可以正常使用

1.下载pycharm

官网下载
https://www.jetbrains.com/pycharm/download/#section=windows
在这里插入图片描述

百度云下载
链接：https://pan.baidu.com/s/1BsZQ9mhaLD8Xru-5UQ9d3g
提取码：pypy

2.配置pycharm

打开pycharm
在这里插入图片描述
新建项目
在这里插入图片描述

选择yolov5文件路径
（这个coco128是我下载的官方训练模型测试集，不要在意）
在这里插入图片描述
选择环境我们配置好的环境
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

一路点击确定

3.测试yolov5是否可以正常使用

右键运行程序
在这里插入图片描述
可以看到我们的CUDA是正常使用的
在这里插入图片描述
运行完成，它告诉我们结果放在了exp里，我们点开来看看
在这里插入图片描述

4.测试yolov5时出现的错误以及解决方法

（1.）测试yolov5出现的错误

进入我们的\yolov5-4.0\runs\detect\exp文件夹
可以看到虽然有结果图片，但是并没有框出识别结果
在这里插入图片描述

（2.）解决方法

我们进入detect代码，在第53行加入

cudnn.benchmark = True

可以看到这句代码和第48行是一样的，
我们加入代码让detect不打开摄像头时也使cudnn.benchmark = True
在这里插入图片描述
运行程序
我们可以看到需要的时间变久了，这是因为它需要寻找合适的算法

参考：https://blog.csdn.net/xiasli123/article/details/102645816?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522160722028819215668819190%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=160722028819215668819190&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2alltop_click~default-1-102645816.nonecase&utm_term=torch.backends.cudnn&spm=1018.2118.3001.4449
在这里插入图片描述
打开文件
在这里插入图片描述
测试成功

总结

好像写的有点太长了，我可能会考虑把他分开写成几个独立的文章，训练模型以及训练自己的模型也写上

在这里插入图片描述
在这里插入图片描述

Mzgg
关注
【YOLOV5 入门】——环境配置（Miniconda/Pytorch/YOLOv5/PYPI镜像源）
weixin_51658186的博客
03-25 3320
YOLOv5用些新技术来提高训练和推理的效率，例如自动数据增强和模型压缩等。提高模型的鲁棒性和泛化能力，例如采用新的数据增强技术和正则化方法等。更深的网络结构和更高级的特征提取技术，从而使其在目标检测任务上表现更好。
yolov5环境配置（Pytorch），免手动安装CUDA
wangjingyuzero的博客
01-12 2952
1.1打开命令提示符win+R输出cmd即可打开在命令提示符中输入nvidia-smi我途中圈起来的部分就是我的电脑所能支持的最高的CUDA版本号本文选用CUDA11.3安装。
2024最新 yolov5 环境配置详细教程
wangtcCSDN的博客
04-12 4950
在深度学习领域，计算机视觉技术的发展日新月异，不断推动着图像识别、目标检测等应用的革新与进步。作为这一领域极具影响力的框架之一，YOLOv5以其卓越的速度、准确性和易用性，成为了众多开发者和研究者进行实时目标检测任务的首选工具。尤其是其基于PyTorch实现的简洁架构，不仅便于理解和修改，还能够无缝对接Python丰富的生态系统，进一步提升了开发效率与灵活性。然而，面对YOLOv5与Python环境的搭建，初学者往往面临诸多挑战：如何高效配置依赖环境？如何确保兼容性强、性能优的硬件加速支持？
YOLOv5环境配置
最新发布
qq_53388162的博客
03-09 387
2.输入conda create -n yolov5_6.0 python=3.8（这是创造一个环境名字叫yolov5_6.0，用python3.8进行编译，名字自己命名）推荐使用python3.8，兼容性好，没有可以先去官网下载。Yolov5-6.0版本有较好的兼容性，安装扩展包时报错较少，首先在GitHub中下载此版本代码。可以看到我的是12.5的，大于11.1都可以直接使用上面代码，不建议使用新版本，出现bug解决不了。下滑找到6.0版本，在Assets找到点击即可下载，解压保存到自己想保存的地方。
YOLOV5环境配置
qq_53962503的博客
07-24 3800
YOLOV5环境配置
yolov5环境配置
xiao_yang_yang_的博客
02-04 8524
Windows系统下1、安装Anaconda3(我的版本)，配置好环境变量（不同版本环境变量文件可能不同）2、安装电脑对应的显卡版本驱动(NVIDIA GeForce GTX 1050)3、安装CUDA(10.2版本)，成功安装后再安装cuDNN(一定是对应于CUDA版本)4、安装pytorch，配置pytorch环境，克隆yolov5包。
配置YOLOv5环境
niyingsuimeng的博客
12-08 803
简单配置yolov5环境
深度学习笔记（一）：环境（yolov5）配置
xumocanshui的博客
09-29 1万+
到这里yolov5的环境部署就结束了。最后运行一些yolov5项目中的detect.py文件测试一下。在terminal中输入或者直接运行detect.py。运行结果如下所示。
易语言训练和调用yolov5——3（3份）
06-30
配套视频教程地址 https://www.bilibili.com/video/av73849419/ 作者出教程不易 禁转载下载 CSDN付费下载 包手把手教会易语言部署和调用深度学习训练
YOLOv5搭建与目标检测详解
09-30
本文是一份详细指导文档，逐步教会如何在当地环境构建和运行YOLOv5目标识别框架，涵盖必要的系统要求、软件包设置以及模型测试流程。系统需求部分强调须具备Windows、macOS或Linux之一的操作系统支持、至少Python ...
yolov5配置环境
09-02
- *1* *2* *3* [(包教会)配置Yolov5其实没那么复杂——Yolov5配置环境总结版](https://blog.csdn.net/hh571050143/article/details/119968613)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630",...
易语言训练和调用yolov5——1（3份）
06-30
配套视频教程地址 https://www.bilibili.com/video/av73849419/ 作者出教程不易 禁转载下载 CSDN付费下载包手把手教会易语言部署和调用深度学习训练
易语言训练和调用yolov5——2（3份）
06-30
配套视频教程地址 https://www.bilibili.com/video/av73849419/ 作者出教程不易 禁转载下载 CSDN付费下载 包手把手教会易语言部署和调用深度学习训练
基于Yolov5环境配置详解（真的很方便很简单）
热门推荐
不会拍照的博客
07-12 4万+
本文主要讲解了如何配置Yolov5的运行环境在竞赛期间接触了机器视觉，为了完成对各种垃圾的目标检测，我用了yolov5模型去实现。刚开始的配置环境的时候用了两周的时间，还会遇到各种报错；主要是版本问题，因为要对应Jeston nano的环境（也可能不需要对应）；如果只要给电脑配置环境就很简单了。
【YOLO学习】YOLOV5的环境配置
Q小鑫
10-10 691
YOLOV5官方源码 链接：https://pan.baidu.com/s/1IS9MpGCi7MdO9ASxdn_3FA 提取码：zlil 也可以去GitHub进行下载 GitHub: Where the world builds software · GitHub 如果进不去的话可以进入它的镜像加速 GitHub: Where the world builds software · GitHub github官方源码YOLO5.0版本 GitHub - ultralytics/y...
[深度学习 - 目标检测] yolov5 环境配置
南城同学的博客
03-11 8325
1. 准备 1.1. 仓库地址 https://github.com/ultralytics/yolov5 1.2. 依赖环境 1.2.1. 安装 Conda 资源路径 https://docs.conda.io/en/latest/miniconda.html 添加 Anaconda 环境变量 D:\DevlopmentSoftwares\Anaconda3\Scripts D:\DevlopmentSoftwares\Anaconda3 D:\DevlopmentSoftware..
评论 15
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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