windows11下Yolov5训练模型环境搭建

最新推荐文章于 2024-02-08 20:55:06 发布
最新推荐文章于 2024-02-08 20:55:06 发布
阅读量2.9k 收藏 9
点赞数 1
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/liukeying55/article/details/124015866
版权

pytorch

安装anaconda

  • 下载anaconda
  • 双击Anaconda3-2021.11-Windows-x86_64.exe文件进行安装，如下图：
    在这里插入图片描述

安装Pytorch

  • 打开anaconda的 Anaconda Prompt(Anaconda3)，如下图： 在这里插入图片描述

  • 创建PyTorch虚拟环境: conda create -n PyTorch python=3.9

  • 切换到PyTorch虚拟环境：conda activate PyTorch

  • 登录pytorch官网，选中要安装的pytorch环境，如下图所示：
    在这里插入图片描述

  • 安装PyTorch，此过程比较长
    在这里插入图片描述

yolov5环境配置

  • 下载YOLOV5并解压
  • 在anaconda的命令行环境下（Anaconda Prompt(Anaconda3)）中，进入到YOLOV5所在的目录，如图：在这里插入图片描述
    • 安装yolov5的依赖项在这里插入图片描述
草民012
关注
  • 1
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
windows下跑yolo
涂啥的博客
11-29 1414
windows下C++ yolo的配置及dll的调用）前言一、 windows下yolo的环境配置二、 yolo文件的编译三、 通过使用dll动态链接库调用yolo进行检测四、 对第三部分的优化升级 前言 这篇博客的内容主要是yolo环境的配置，yolo的dll动态链接库的生成，以及使用C++调用动态链接库使用yolo进行图片检测、视频检测、摄像头实时检测并对结果进行保存。大部分都是参照别的博客实现的，在这里做一个整理记录。 一、 windows下yolo的环境配置 我的电脑环境配置是：win10+yolo
Windows+YOLOV8环境配置
最新发布
03-23
总结，Windows上配置YOLOv8环境涉及安装Python和相关库，获取代码和预训练模型，设置CUDA和CUDNN，配置环境变量，运行示例以及可能的自定义数据集训练。每个步骤都需要仔细操作和调试，确保所有组件协同工作，才能...
【小白CV】手把手教你用YOLOv5训练自己的数据集（从Windows环境配置到模型部署）_梁瑛平的博客-CSDN博客.pdf
12-02
【小白CV】手把手教你用YOLOv5训练自己的数据集（从Windows环境配置到模型部署）_梁瑛平的博客-CSDN博客.pdf
Windows11下yolov5环境配置系列教程（基础部分）
u010416569的博客
07-28 1659
condacreate-nXXX(环境名）condacreate-nXXX(环境名）python=X.X（该环境中你希望安装的python版本）安装过程中需要注意安装路径的选择，一般为默认。1.创建一个yolov5的python环境（在CMD或者AnacondaPrompt（Anaconda3）创建）以上仅仅是最基础的环境部分，希望对和我一样的小白有所帮助。3.我们可以进入该环境看看我们配置好的东西，输入activate你想进入的环境名。在你的下载目录下找到Anaconda3并点击。...
win11 yolov5环境配置及踩过的坑（适合小白）
LW_12345的博客
11-18 627
软件安装与激活
Windows11下yolov5环境配置系列教程（问题解析部分）
u010416569的博客
08-05 1467
打开PyCharm，选择file-settings-project-project interpreter,如下图所示。如果打开之后没看到opencv-python 的package，则选择右上角的“+”号搜索opencv-python. 最后记得点击右下角的应用。安装完成的时候，会提示"Package ‘opencv-python’ installed successfully"可以看到，我们安装cudnn时报错了，这个错误可以更换源解决。在它给出来的一大堆版本中找到我们需要的版本。...
搭建Windows11下yolov5环境
LoongEmbedded的专栏
10-27 2871
Windows11下yolov5环境配置
高精度人脸口罩检测识别系统搭建（基于YOLOv5模型与Pyside6界面）
06-17
为了运行此系统，需要搭建特定的环境，包括安装YOLOv5源码库、创建并配置Anaconda环境（包含Python 3.8、torch和torchvision）、安装Pyside6库以及其他依赖包。对于Windows用户，还需要特别处理pycocotools的安装。 ...
TensorRT-使用TensorRT+Cpp实现的Yolov5+Deepsort跟踪算法部署+加速-优质项目实战.zip
02-27
算法部署是指将训练好的模型和跟踪算法整合到实际应用中，包括模型的序列化、推理环境的搭建、输入输出的处理等步骤。在这个项目中，我们将Yolov5模型和DeepSORT算法整合到一个C++应用程序中，实现对视频流的实时...
基于YOLOv8+pyqt5实现的过马路玩手机打电话检测告警系统源码(GUI界面+数据集+模型+评估曲线+部署说明).zip
08-11
以上配置完成后运行train.py开始训练模型，训练完毕后会在runs/detect/文件夹下生成train*文件夹，里面包含模型和评估指标等 5、无GUI推理测试 训练好模型，打开predict.py，修改87行，model = cfg.model or 'yolov...
Windows系统在YOLOV5环境的搭建
qq_41627642的博客
07-28 5956
一、参考博客和注意问题 一、 参考博客： pytorch训练自己的YOLOv5目标检测器（自定义数据集训练） WIN10下YOLOV5安装与测试-踩坑记会发现我们下载的requirements.txt与博主的不一样，源码发生了变化注意：不要采用 pip install -U -r requirements.txt原因：应该只支持Linux和macos系统,对于window系统还是采用下面的操作进行配置。 二、 安装Anaconda、 安装VS2015、安装CUDA10.2.89、CUDNN7.6.5（操作
yolov5 初识(win版)
wave789的博客
08-05 758
复制一份coco128.yaml，并重命名，然后修改为自己数据集的路径及类别。单独安装torch+torchvision。1.clone代码+切换环境+安装依赖。5.训练自己标注的数据集。
手把手教学系列（一）：windows下配置YOLO
qq_41074679的博客
09-24 379
一、绪论 废话不多说，直接上结果，下图是实时检测中截取的一张照片。 二、配置教程 2.1 安装Nvidia驱动 驱动下载链接：https://www.nvidia.cn/geforce/drivers/ 1） 点开后在这儿搜索你的驱动，我的GPU是MX350的，所以我的搜索如下图所示。点击开始搜索，往下滑就可以看到搜索结果了。 2）安装驱动，双击ok 2.2 加速包配置，给个博客参考链接 https://blog.csdn.net/u010618587/article/de...
YOLOv5 gpu 训练自定义模型 训练
紫蝶侠的博客
09-15 3228
复制一份，比如为path: ../datasets/CHV_dataset # 数据所在目录train: images/train # 训练集图片所在位置（相对于path）val: images/val # 验证集图片所在位置（相对于path）test: # 测试集图片所在位置（相对于path）（可选）# 类别nc: 6 # 类别数量。
配置YOLOv5环境并进行训练测试（Win11）
weixin_42506418的博客
06-30 837
yolov5环境配置入门教程
(windows) yolov5/yolov3 pytorch环境配置gpu+ windows11+ anaconda+ pycharm+ RTX3050 笔记
chao_xy的博客
03-07 1325
最新版本的yolov3（截至2023）与yolov5所需的包基本相同，故它们可以共用一个虚拟环境，不需要额外配置。本人已经在同一虚拟环境上训练了yolov3和yolov5，没有任何出现问题。
YOLOV5环境配置
lxy200528的博客
02-08 1008
（一定要记得标明python版本，后文有一张表，根据自己的选择安装对应的环境版本，我的选择是python3.9，torch1.12，torchvision0.13，每创建一个环境中python版本都可以不同）展开“envs”文件夹，可以看到刚才创建的名为yolov5的环境，下拉，找yoliv5文件夹的“tools”文件夹里面的“python.exe”（“那个东西”就是刚才自己创建的环境里的python.exe）
Win11+Anaconda+Pycharm+Yolov8开发环境搭建与检测验证
weixin_41686431的博客
09-10 2886
一般.condarc文件在C:\Users\lenovo目录下，如果.condarc文件找不到的话，可以设置隐藏项目可见，如果还是找不到，是因为没有在cmd命令中输入 conda config命令，只有第一次输入该命令之后，系统才会自动创建.condarc文件。将源修改为如下的链接。（添加镜像源，注意是http，而非https，因为https有时候会出现连接错误的问题，改成http后不会再出现此类问题。（关掉验证，对于http来说，走的是明文传输，不加密的，就不需要验证，其中信息的加密方式为SSL）
【Windows配置一】Python简单运行YOLOv5
a_happy_bird的博客
03-01 4286
一. PyTorch环境配置及安装 安装Anaconda3参考：https://blog.csdn.net/qq_36015370/article/details/79484455 其他部分参考： https://blog.csdn.net/zhouzhiyao960211/article/details/102873717. 注意：3060显卡选择pytorch的v1.80版本的CUDA 11.1 # CUDA 11.1 conda install pytorch==1.8.0 torchvision==
yolov5的训练模型搭建
05-19
以下是基于YOLOv5的模型搭建步骤： 1.安装PyTorch YOLOv5是基于PyTorch实现的，因此需要先安装PyTorch。可以在官网上查看具体安装方式：https://pytorch.org/get-started/locally/ 2.下载YOLOv5源码 可以从GitHub上下载YOLOv5的源码：https://github.com/ultralytics/yolov5 3.数据准备 在进行模型训练之前，需要准备好训练数据。YOLOv5使用的数据格式是COCO格式，可以通过转换工具将自己的数据集转换成COCO格式。具体转换方式可以参考一些开源工具，如labelme等。 4.配置训练参数 在源码目录下，可以通过修改配置文件来配置训练参数。主要包括网络结构、超参数、数据路径等。可以根据自己的需求进行修改。 5.开始训练 在配置好训练参数后，可以通过运行train.py文件开始训练。训练过程中可以通过tensorboard进行可视化展示。 6.评估模型 训练完成后，可以通过运行test.py文件来评估模型的性能。可以计算出模型的精度、召回率等指标。 7.模型导出 在评估完成后，可以将模型导出为ONNX或TorchScript格式，以便在其他平台上部署使用。 以上是YOLOv5模型搭建的基本步骤，具体实现需要根据自己的需求进行调整。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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