安装笔记
温馨提示:保证C盘有25G以上的内存,以前准备好系统还原点以防安装错误
1、先看显卡对应的CUDA版本,下载CUDA 版本
1.1 如何看CUDA版本
先进入NVIDIA,鼠标右键也有
然后点击左下角的系统信息
再点击上方的组件
就可以看见了
最后再进入下方链接下载自己的版本CUDA
CUDA版本https://developer.nvidia.cn/cuda-toolkit-archive
2、根据GUDA的版本去找Cudnn的版本(官网找)
这个就根据自己的版本去找了,尽量还是找新版的吧
cuDNN Archive | NVIDIA Developerhttps://developer.nvidia.com/rdp/cudnn-archive
3、安装CUDA和Cudnn
下载好之后可以打开exe文件进行安装
这里选择自定义。
然后直接点下一步就行了。
安装完后在C盘这个位置可以找到根目录。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
然后大家把Cudnn的内容进行解压。
把这里面的内容直接复制到C盘的根目录下就可以了。
到此 Cudnn和CUDA 就安装好了
4、安装pytorch
点击下方的链接进入pytorch官网
然后直接干最新版的
在pycharm里面安装
复制 pip 的命令进入pycharm里面直接安装
5、其他依赖库的安装
可以找个程序 缺什么安什么
scipy==1.2.1
numpy==1.17.0
matplotlib==3.1.2
opencv_python==4.1.2.30
torch==1.2.0
torchvision==0.4.0
tqdm==4.60.0
Pillow==8.2.0
h5py==2.10.0
6、验证环境
创建一个py文件,把下面的代码复制进去,运行
#测试pytorch 是否启用GPU
import torch
print(torch.__version__)
print(torch.cuda.is_available())
若结果为True,则环境配置成功
若结果为False,则pytorch没有安装成功
7、跑YOLOv4步骤
7.1 代码:地址(需要下载数据集)
7.2 数据集放在VOCdevkit文件夹里
7.3 修改voc_classes内的类名(如果用的是地址里的数据集就不用改如果用的是自己的数据集就该)
7.4 运行 voc_annotation.py 生成 2007_train.txt以及2007_val.txt
7.5 修改train.py里的classes_path (与voc_annotation.py里的一样)
7.6 运行train.py成功后得到YOLO权重文件,接着就可以预测了
我的代码什么的都是用的这位的
视频:这里
博客:这里