YOLOV4-pytorch环境配置

最新推荐文章于 2025-04-18 15:56:09 发布

溜溜_666

最新推荐文章于 2025-04-18 15:56:09 发布

阅读量603

点赞数 1

文章标签： python 深度学习计算机视觉目标检测

本文链接：https://blog.csdn.net/m0_61557330/article/details/128992618

版权

文章详细介绍了YOLOV4在pytorch环境下的配置步骤，包括创建环境、安装依赖如scikit_image和opencv_python，以及数据集格式转换和训练过程。在训练过程中遇到的问题如OSError:WinError1455，通过将num_workers设为0得以解决。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

代码链接: linkhttps://github.com/Tianxiaomo/pytorch-YOLOv4.git
参考博文链接: linkhttps://blog.csdn.net/myr503270510/article/details/109642901

代码百度网盘链接链接：https://pan.baidu.com/s/1qa7jElCJlRrJP6fEufNP_A?pwd=yyds
提取码：yyds

环境配置过程：

创建环境

   conda create -n yolov4 python=3.6

安装pytorch

   conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0

安装包遇到的坑：

1. scikit_image

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple scikit_image==0.16.2可安装成功

2. opencv_python

在https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv
中下载 opencv_python-4.4.0-cp36-cp36m-win_amd64.whl
进入自己创建的环境cd D:\software\Anaconda\Anaconda\envs\yolov4\Lib\site-packages 
pip install opencv_python-4.4.0-cp36-cp36m-win_amd64.whl

训练过程：

数据集格式转换：

修改VOCdevkit/VOC2007/convert_data.py中
153行jsonfilepath = ‘JPEGImages’
152行设置训练集0.8 验证集（测试集）0.2 得到test2017 train2017 val2017 及Annotations 文件夹

修改tool/coco_annotation.py中
19 json路径，20 图片路径，21 输出路径（train和val）在data文件夹下得到train.txt和val.txt

train val.txt格式为  image_path2 x1,y1,x2,y2,id
                     image_path : 图片类别
                     x1,y1 : 左上角坐标
                     x2,y2 : 右下角坐标
                     id : 物体类别

cfg.py中设置参数
Cfg.use_darknet_cfg = False
Cfg.batch = 1
Cfg.subdivisions = 1
Cfg.iou_type = ‘ciou’
D:\Code\pytorch-YOLOv4-master\train.py中输入：
python train.py -l 0.001 -g 0 -pretrained yolov4.conv.137.pth -classes 6 -dir D:/Code/pytorch-YOLOv4-master/data/train.txt

训练过程中遇到问题

 1.OSError: [WinError 1455] 页面文件太小，无法完成操作。 Error loading "D:\software\Anaconda\Anaconda\envs\yolov4\lib\site-packages\torch\lib\caffe2_detectron_ops_gpu.dll" or one of its dependencies.
    解决：将train.py中num_workers=0