搭建YOLO环境配置使用requirements.txt产生的问题

前提

        博主在下载YOLOV7所依赖环境(基于py38的虚拟环境)中发现,requirements.txt文件中的pytorch,torchvision,torchaudio文件均为cpu模式,如果要使用本机GPU训练则需要提前将requirements.txt文件中,有关torch的三个包注释掉。

解决方案

        在pycharm中的终端中输入以下代码,先安装除了torch以外的其他第三方库。

 pip3 install --index-url https://pypi.douban.com/simple -r requirements.txt

        如果报错,pip版本等级过低,请先更新pip版本。

python -m pip install --upgrade pip 

         如果pip版本更新之后,仍然无法下载requirements文件下的库,并报错无法查到该库,请检查是否VPN关闭,无法进入内网下载。

对于Torch

        对于torch采取官网下载的方式,博主的cuda11.6版本,寻找对应的torch-cuda116 1.12.0,torchaudio-cuda116 0.12.0,torchvision-cuda116 0.13.0下载到本机https://download.pytorch.org/whl/cu116/torch/

        在终端,先cd到torch-cuda116所在文件夹下,使用下面代码格式进行安装(先安装torch)

pip install torch-1.12.0+cu116-cp38-cp38-win_amd64.whl 

import torch                         #在控制台使用,若返回True则torch-cuda安装成功

torch.cuda.is_available()

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
搭建yolo目标检测的环境需要以下几个步骤: 首先,我们需要安装Python和相关的依赖项。首先,确保我们已经安装了Python,并且版本在3.5以上。然后,使用pip命令安装以下依赖项:numpy、opencv-python、tqdm和matplotlib。 接下来,我们需要下载yolo-air模块及其预训练权重。在GitHub上找到yolo-air的代码库,并下载它。然后,下载yolo-air的预训练权重并将其放置在模块的文件夹中。 然后,我们需要下载yolo的配置文件。在GitHub上找到yolo的代码库,并下载它。然后,从代码库中找到适合我们的实验的配置文件,并将其放在yolo-air模块的文件夹中。 接下来,我们需要准备我们的数据集。将图像和其对应的标签放置在一个文件夹中,并确保标签文件的格式与yolo所需的格式相匹配。可以通过将标签转换为yolo格式或使用标签转换工具来实现。 之后,我们需要对数据集进行分割,将其划分为训练集和测试集。可以使用Python的库,如scikit-learn或numpy来实现数据集的划分。 最后,我们可以开始训练和测试我们的模型。使用yolo-air模块来加载我们的预训练权重和配置文件,并使用训练集进行训练。训练完成后,使用测试集进行模型的评估和验证。 总之,搭建yolo目标检测的环境涉及安装Python和相关依赖项,下载yolo-air模块和预训练权重,下载yolo的配置文件,准备数据集并进行分割,最后使用yolo-air模块进行训练和测试。

“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 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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