（超详细）机器学习，利用yolov5从零开始训练自己的模型----------环境的配置

目录

一.引言

二.首先先进行环境的配置

1.CUDA。训练自己的模型时需要用到。是一种新的操作GPU计算的硬件和软件架构，是建立在NVIDIA的GPUs上的一个通用并行计算平台和编程模型，它提供了GPU编程的简易接口，基于CUDA编程可以构建基于GPU计算的应用程序，利用GPUs的并行计算引擎来更加高效地解决比较复杂的计算难题。它将GPU视作一个数据并行计算设备，而且无需把这些计算映射到图形API。操作系统的多任务机制可以同时管理CUDA访问GPU和图形程序的运行库，其计算特性支持利用CUDA直观地编写GPU核心程序。

注：电脑有GPU按照以下步骤。

1.1查看自己电脑所支持的cuda版本

1.2cuda的安装

1.3配置环境变量

2.Miniconda。用于配置python的虚拟环境，因为python的版本挺多，有的东西不兼容，所以用它来配置python虚拟环境，比较方便。没有采用Anaconda，Anaconda相对于新手来说复杂一点。

2.1Miniconda的安装

2.2Miniconda中python虚拟环境的配置

3.pytorch。Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络（DNN）编程。

3.1换源，此处换的清华源

3.2pytorch的安装

4.pycharm。用于python代码的运行。

4.1pycharm的安装

4.2配置解释器

三.结语

---

一.引言

  由于本学期实验课需要，利用pycharm和yolov5做了一款水果识别的软件，识别常见15种水果，对一般的训练自己的模型有了一定认识，其中也遇到了许多问题，特此记录。此内容共分为两部分，此文主要讲环境的配置。

  先上一下最终实现的效果图，模型准确率目前不太够，需要再次训练。

二.首先先进行环境的配置

需要安装的软件及配置环境如下

1.CUDA。训练自己的模型时需要用到。是一种新的操作GPU计算的硬件和软件架构，是建立在NVIDIA的GPUs上的一个通用并行计算平台和编程模型，它提供了GPU编程的简易接口，基于CUDA编程可以构建基于GPU计算的应用程序，利用GPUs的并行计算引擎来更加高效地解决比较复杂的计算难题。它将GPU视作一个数据并行计算设备，而且无需把这些计算映射到图形API。操作系统的多任务机制可以同时管理CUDA访问GPU和图形程序的运行库，其计算特性支持利用CUDA直观地编写GPU核心程序。

注：电脑有GPU按照以下步骤。

1.1查看自己电脑所支持的cuda版本

在桌面右键点击显示更多，出现以下界面，点击NVIDIA控制面板，用于查看自己电脑的cuda支持版本

打开后是如下界面，点击左下角的系统信息

出现如下界面，点击组件

通过第三行，可以看到我的电脑版本cuda12.2，cuda是向下兼容的，因此低于12.2版本的都可以安装

1.2cuda的安装

cuda的下载官网如下:CUDA Toolkit Archive | NVIDIA Developer

点击进入后，如下，下载cuda，注意一定不要超过自己的版本，我这里下载的是11.3.0版本

点击相应版本，经过一系列选择后，点击Download即可下载

下载完毕后，默认路径安装，不然容易出问题，不好解决。

同意并继续安装即可

自定义安装

不需要取消勾选

默认安装位置即可

等待安装结束

完成安装

1.3配置环境变量

查看环境变量，右键此电脑点击属性

找到那几个蓝字高级系统设置

点击环境变量

可以看到有两个CUDA

没有这两个的需要自行添加，路径和上两个一样

NVCUDASAMPLES_ROOT

NVCUDASAMPLES11_3_ROOT

打开命令提示符即win+R，输入

cmd

，打开后输入

nvcc  --version

，出现以下界面证明安装成功。

就此cuda安装结束

2.Miniconda。用于配置python的虚拟环境，因为python的版本挺多，有的东西不兼容，所以用它来配置python虚拟环境，比较方便。没有采用Anaconda，Anaconda相对于新手来说复杂一点。

2.1Miniconda的安装

Miniconda下载官网如下:Miniconda — Conda documentation

打开界面进入后，向下划一点，点击Windows后边的下载即可（此处是windows系统）。

下载完成后开始安装。

、

此处记录一下安装路径，后期要用到。

点击安装即可。

完成安装。

2.2Miniconda中python虚拟环境的配置

同时按住win+R，输入cmd，如下

点击确定，进入命令提示符。

点击输入conda，得到以下界面说明conda安装成功，可以创建python虚拟环境了

输入

 conda create -n py38 python=3.8.0 

此处是创建虚拟环境的代码，这个虚拟环境的名称是py38,版本是python的3.8.0版本

输入y即可安装，我这多了一个^x，这是误触，只输入y即可

接下来等待安装成功

如下安装结束

输入

conda activate py38 

  此处py38是我设置的python虚拟变量的名称，报了一个错，需要初始化conda，按照指令conda init后，重新启动这个界面即可解决。

重新开启后，再次输入，发现前面多了（py38），说明此时已经进入了python的虚拟环境中

就此，python的虚拟环境配置结束。

3.pytorch。Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络（DNN）编程。

3.1换源，此处换的清华源

因为不换源的话，下载速度很慢。

在命令提示符中输入以下

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

实现换源，加快下载速度。

3.2pytorch的安装

  进入pytorch官网PyTorch

进入后下划，找到此处,点击previous versions of PyTorch，查看以往版本，寻找对应安装cuda的pytorch版本，我安装的时cuda11.3.0

进入界面后找到对应cuda11.3.0版本的如下，下载v1.10.0下的即可

注意把后边的 -c pytorch -c nvidia去掉，才能使用换掉的源。

同样在命令提示符中运行以下代码(在pytorch上复制的)

注:需先激活虚拟环境，在虚拟环境中输入以下代码

conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3

输入y执行即可

安装完成后出现以下情况。

输入

python

输入

import torch 

在按下回车，输入

torch.__version__

，得到如下结果。

就此pytorch安装完毕。

4.pycharm。用于python代码的运行。

4.1pycharm的安装

进入界面下载即可

点击下一步即可

自定义安装位置

全部打勾即可

等待安装

完成安装

打开即可

4.2配置解释器

找到左上角，点击settings

随便点个项目

右上角添加解释器

添加本地编译器，找到第三个，按下后边那三个点，找到刚才虚拟环境py38的位置

如下即可

一路点击ok即可

三.结语

至此，环境安装完成，下一篇是如何训练自己的模型。作者学疏才浅，还望见谅，谢谢。