目录
随着深度学习技术的不断发展,计算机视觉领域也得到了广泛的应用。在实际应用中,我们需要使用各种深度学习框架和库来构建和训练模型。本文将为您提供保姆级的攻略,帮助您轻松地搭建环境、安装依赖、配置参数,并最终实现目标检测任务。无论您是初学者还是有一定经验的开发者,相信这篇文章都会对您有所帮助。让我们开始吧!
一.Anaconda下载
使用Anaconda的好处是可以方便地管理Python环境和包,可以避免不同版本的Python和包之间的冲突,同时也可以方便地创建虚拟环境,使得不同项目可以使用不同的Python版本和包。
1.通过官网下载
通过官网下载Anaconda https://www.anaconda.com/。使用官网下载,速度可能会比较慢
如果想要下载历史版本,可通过https://repo.anaconda.com/选择合适的版本下载
2.通过清华大学开源镜像下载
通过清华源选择自己合适的版本进行下载https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
(速度较快,推荐!)
我这里选择Anaconda3-2020.11-Windows-x86_64版本进行下载
(使用ctrl+F快捷键,可以快速查找)
3.安装Anaconda
(1)点击Next
(2)点击I Agree
(3)一般来说,大家的电脑只有一个账户,默认选择Just me,如果你的电脑有多个账户,那就选择All Users
(4)选择安装地址时,如果你的C盘足够大,可以直接默认不用修改,默认安装到C盘也可以避免后续可能出现的众多小问题。
不过大部分人C盘空间不足,需要修改位置,这时要注意:
要新建一个空文件夹;文件夹名称不要包含中文字符
我在D盘创建一个名为Anaconda的文件夹(里面不要有任何东西,不然会报错),推荐大家和我一样,方便后续操作。
(5)不需要勾线第一个,网上有些教程中建议勾选,但这样容易出现污染环境变量等各种小问题。
(6)等待安装
(7)安装完后,点击Next
(8)这里都不用勾选
4.配置环境
(1)打开我的电脑-属性-高级属性-环境变量
(2)双击打开path
(3)新建环境变量
如果你前面和我在D盘创建了名称一样的文件夹,那么直接粘贴复制到path中即可
D:\Anaconda
D:\Anaconda\Scripts
D:\Anaconda\Library\mingw-w64\bin
D:\Anaconda\Library\usr\bin
D:\Anaconda\Library\bin
上面的格式为:安装的盘+文件夹名称+后面不变的内容
例如:你把Anaconda安装到了E盘中名为Python的文件夹,那么你的格式为
E:\Anaconda\Scripts
其余的类似这样,只需修改前面的内容
最后点击确定逐个退出即可
5.检查是否安装成功
(1)打开win所有应用,点击进入Anaconda Prompt
(2)输入conda --version
输入conda --version查看其版本号,若能查看,即安装成功
二、Pytorch安装
1.创建conda环境
输入conda create -n pytorch python=3.8
这里的pytorch为环境名称,python=3.8为python的版本,一般使用3.7或者3.8
这里选择输入y,点击回车
如下图,则配置完成。
输入conda activate pytorch进入conda环境。()中为pytorch,则已激活环境。窗口不要关闭!
2.下载pytorch
进入pytorch官网进行下载https://pytorch.org/
主页往下滑,看到如下图部分。
版本选择stable稳定版
系统则根据自己的电脑环境选择(因为我的电脑为windows,我这里选择win版)
这里包选择conda,如果没用conda环境,建议用pip
语言根据自己的需求选择,我这里选择python
如果你电脑没有独立显卡,则选择cpu版本。如果你有独显就选择cuda,可以通过自己的显卡性能选择合适的版本(性能好一点的选择11.8)。如果不知道选择哪个版本可以百度一下。
选择完成后,复制下方连接到Anaconda Prompt
输入y进行安装。速度可能有点慢,耐心等待即可。
安装完成,输入pip list即可查看安装内容
3.检查是否安装成功
输入python,也可查看安装的python版本号
输入import torch调用pytorch库,若无报错,则安装成功
输入torch.cuda.is_available(),可查看gpu是否可以被pytorch使用。如果为false,则不能使用(因为我安装的时cpu版),若为true,则gpu可以被pytorch使用。
如果你安装的是cuda版本,但是这里返回的却为false,那你需要选择另外的cuda版本安装。
补:部分conda指令
(1)包管理
安装包:conda install numpy scipy pandas
制定版本号:conda install <package_name>=x.x.x
卸载包:conda remove <package_name>
更新包:conda update <package_name> | -all
查找包名:conda search <keyword>
(2)环境管理
查询环境:conda info -envs | conda env list
创建环境:conda create -n <name> [python=x.x | tensorflow-gpu=x.x]
激活环境:conda activate <name>
退出环境:conda deactivate
删除环境:conda remove -n <name> | -all
三、YOLOv5安装
1.YOLOv5安装包下载
可以通过github下载YOLOv5的压缩包https://github.com/ultralytics/yolov5
点击master-Tags也可下载YOLOv5的历史版本
2.Pycharm环境配置
解压yolov5-master压缩包,用pycharm打开。点击file-settings-(project:yolov5-master)-python interpreter为pycharm配置conda环境
点击add,选择conda
根据如下图路径找到此exe文件,点击ok
点击Apply,然后点击ok
等待加载完成,打开requirements.txt,并打开编译器下方的Terminal终端。
这里的requirements.txt提供了YOLOv5使用的库的安装
在终端中输入pip install -r requirements.txt,即可安装yolov5的所需使用的库(这里是最简单的安装方法!亲测有效)
如果有这种报错,则是网络的问题。可换个时间重新安装。
等待安装即可,速度可能有点慢,耐心等待即可。
四、用YOLOv5预测
找到并点击detect.py
点击运行
运行完成后,在文件夹中打开(yolov5-master)-runs-detect-exp,则可看到预测的照片
希望这篇文章能够对您有所帮助,让您更轻松地掌握深度学习和目标检测领域的知识。如果您有任何问题或建议,欢迎在评论区留言讨论。感谢您的阅读!