各版本yolo的环境搭建

追风少年sherry

已于 2024-12-05 16:55:29 修改

阅读量2k

点赞数 32

分类专栏：目标检测文章标签： YOLO 机器学习目标检测深度学习 python

于 2024-12-03 22:22:00 首次发布

本文链接：https://blog.csdn.net/m0_46649551/article/details/144223944

版权

目标检测专栏收录该内容

2 篇文章

订阅专栏

写在前面的话

why: 在复现不同yolo版本时，是否会出现不兼容的pytorch，cuda版本。
例如：

yolov8中Python=3.8.0 CUDA = 11.6.0 PyTorch=1.13.0
yolov5中Python=3.6.0 CUDA = 11.0.0 PyTorch=1.7.1

what: 如上述例子所呈现的那样，这时候你yolov5搭配的环境就和v8的不适配，你就要重新配环境以便运行v8。而本文要解决的就是这个问题，如何在一个电脑中安装多个环境，根据不同的模型运用不同的环境。先说结论：创建虚拟环境，将不同模型所需要的环境隔离开来，针对本文的例子就是将v8和v5环境隔离开。

一. 创建系统环境（已有系统环境的可以跳过这一步）

什么是系统环境：之前已经根据电脑配置，安装过CUDA,cuDNN,python,pytorch
如何安装系统环境：参考博文
结果显示：本博文以yolov8的环境为系统环境配置
yolov8环境

二. 创建新的虚拟环境（本例是安装v5的环境）

步骤：

创建虚拟环境和对应的python环境
激活虚拟环境，在虚拟环境中下载对应的pytorch和cuda环境。下载pytorch的命令行会附带下载配套的cuda。
在配置环境中可能遇到的问题

1. 创建虚拟环境和对应的python环境

在anaconda中创建yolov5的虚拟环境

conda create -n yolov5 python=3.6`

这是安装好的yolov5环境

2. 激活虚拟环境，在虚拟环境中下载对应的pytorch和cuda环境。下载pytorch的命令行会附带下载配套的cuda

2.1 激活环境：

conda activate yolov5

2.2 去pytorch官网找到对应版本的pytorch安装代码官网地址
在这里插入图片描述
2.3 激活环境后运行这段代码

pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

ps:

这段代码在执行时，下载pytorch的命令行同时会附带下载配套的cuda和cudnn
这里会出现一个问题，就是下载速度太慢问题（解决办法）

2.4 验证环境
等待2.3下载好后，我们可以激活虚拟环境看是否配置完成。

conda activate yolov5

# 执行这段代码要进入python中！
import torch
print(torch.__version__) 
print(torch.cuda.is_available())
print(torch.version.cuda)  
print(f'cuDNN版本: {torch.backends.cudnn.version()}')

如果配置成功则会出现下图显示
yolov5虚拟环境

三. 配置环境中常见问题

3.1 用pip方式安装pytorch速度慢问题：

解决办法：
例如： pip install torch1.13.0+cu116 torchvision0.14.0+cu116 torchaudio==0.13.0 --extra-index-url https://download.pytorch.org/whl/cu116

获取新下载地址，如图 https://download.pytorch.org/whl/cu116/torch-1.13.0%2Bcu116-cp38-cp38-win_amd64.whl，放在迅雷或者谷歌浏览器中下载速度可以加倍（实测迅雷更快）

在这里插入图片描述

下载好后打开cmd切换到文件下载目录，进行以下操作（同样要激活conda环境）

1. pip install torch-1.13.0+cu116-cp38-cp38-win_amd64.whl

2. pip install torch==1.13.0+cu116 torchvision==0.14.0+cu116 torchaudio==0.13.0 --extra-index-url https://download.pytorch.org/whl/cu116
# 这一步不能省 虽然说cuda和cudnn环境都安装好了，但是程序运行配套的其他包是要经过这一步才能完善的！否则自己就要安装很多东西

3.2 tensorboard 无法使用的问题：

详细描述：无法将**“tensorboard”**项识别为 cmdlet、函数、脚本文件或可运行程序的名称的问题

先查看虚拟环境中有没有tensorboard

请添加图片描述

2. 查看tensorboard.exe的位置

激活要进入的虚拟环境，我这里是yolov3spp，你们根据需求来
通过输入pip uninstall tensorboard指令获取tensorboard.exe存放位置，如黄框所示

3. 将tensorboard.exe路径添加到环境变量中的path路径中

经过上述三步就可以解决了

3.3 页面文件太小，无法完成操作问题

详细描述：cv2.error: OpenCV(4.3.0) C:\projects\opencv-python\opencv\modules\core\src\alloc.cpp:73: error: (-4:Insufficient memory) Failed to allocate 1324800 bytes in function 'cv::OutOfMemoryError’，“OSError: [WinError 1455]页面文件太小，无法完成操作”问题

解决办法：将虚拟内存调大

点击高级系统设置-高级-设置

请添加图片描述

在这里插入图片描述
3. 自定义大小那里要注意两个地方，初始大小和最大值都得小于可用空间（图上是123093MB），我的内存是16GB转换为MB就是（16 * 1024 * 8 ）MB。我这里的初始大小和最大值是看我运行软件时占用内存修改的，你们也可以通过查看任务管理器，软件调用内存来具体设置。
在这里插入图片描述

修改完设置后，会提醒你重启电脑，重启后即可

3.4. 常见问题4

换项目能接受的最高的pytorch环境，cuda也和项目要求的是同一个系列，找到对应下载pytorch并附带cuda环境的下载路径。

例如：这个项目原作者配置的环境是python=3.6,pytorch=1.2.0,cuda=10.0；而pytorch=1.2.0没有附带cuda为10版本的下载，如下图所示

在这里插入图片描述

然后我去找项目的readme文件，作者说改项目支持pytorch1.7.1版本，所以我就去pytorch官网找了对应的下载路径，发现pytorch=1.7.1版本下载路径自带了cuda10版本的环境，所以我就将虚拟环境的配置改成python=3.6,pytorch=1.7.1,cuda为10.1

3.4 cuda版本和显卡版本不匹配问题

问题描述：NVIDIA GeForce RTX 3060 with CUDA capability sm_86 is not compatible with the current PyTorch installation.
背景：我最近显卡升级，从RTX1660换成了RTX3060；原先用1660跑的v5模型在3060上就出现了上述问题。
原因分析：高版本的RTX3060不能支持低版本的cuda10.0 。我一开始yolov5的环境配置的是pytorch-1.7.1+cuda10.1-python3.6。
解决方案：重新配置虚拟环境。
详细步骤我就不再叙述了，我拿我的例子来简单说一下。我把原先的v5环境换成了pytorch-1.7.1+cuda11.0-python3.6就可以跑了。核心步骤就是换pytorch配套的cuda,如下图所示