使用YOLOv4识别自己的数据集

最新推荐文章于 2024-04-28 19:13:17 发布

beilimao

最新推荐文章于 2024-04-28 19:13:17 发布

阅读量962

点赞数 12

文章标签： YOLO 人工智能

本文链接：https://blog.csdn.net/m0_65671345/article/details/138227323

版权

一.YOLOv4的基本介绍

YOLOv4是一种目标检测算法，全称为You Only Look Once Version 4。它是基于YOLO系列算法的一种改进版本，旨在更快且更准确地识别图像中的物体。YOLOv4采用了多尺度特征图融合技术，结合了高分辨率特征和低分辨率特征的优点，使得算法能够更好地检测出小目标和大目标。

二.配置环境

1.anaconda环境配置

安装anaconda是因为它可以下载不同python版本下的工具包，下载anaconda可以去官网，也可以去镜像网站安装。

anaconda官网：Distribution | Anacondahttps://www.anaconda.com/download

清华源镜像：Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirrorhttps://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 根据自己的电脑下载对应的版本。具体的安装方法可以参考专门安装的教程，比如：Anaconda超详细安装教程（Windows环境下）_conda安装-CSDN博客https://blog.csdn.net/fan18317517352/article/details/123035625

安装完之后可以在命令提示符使用 conda --version指令检验一下。

之后就可以在pycharm配置环境

2.在pycharm创建conda环境

我是将anaconda安装到了D盘，你要找到自己安装到哪里，后面的地址应该是一样的，找到执行地址，然后创建环境，python版本3.8，3.9都可以。

然后就是安装python包了

 pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
 pip install  tensorboard -i https://pypi.tuna.tsinghua.edu.cn/simple
 pip install  matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

其中pytorch包比较复杂，这个要看你是否装有cuda,使用cuda之后训练权重的速度会快很多，我这里建议都装一下。要是装cuda要保证你的显卡是n卡，也就是英伟达显卡才能使用。

三.安装CUDA

安装cuda的主要步骤有三步

1.检查自己电脑适配cuda版本的上限

2.安装CUDA Toolkit和cuDNN

3.安装与cuda版本适配的pytorch

第一步：

安装cuda要先查看你电脑支持的最高版本是什么

在命令提示符输入：

nvidia-smi.exe

即可查看版本。

可以看看出我这支持cuda最新版本是12.2版本，我们下载不要超过这个版本就好了。

第二步：

下载cuda主要下载两个包：

CUDA Toolkit和cuDNN，其中cuDNN主要是加速训练用的，是否安装看自己选择，这里推荐安装

具体如何安装可以可以去查看相关的教程，我这里安装的是11.3.0的版本，链接如下：

CUDA Toolkit 11.3 Downloads | NVIDIA Developerhttps://developer.nvidia.com/cuda-11.3.0-download-archive?target_os=Windows

安装之后就可以安装对应的cuDNN了，cuDNN下载地址为：cuDNN 历史版本 | NVIDIA 开发者https://developer.nvidia.cn/rdp/cudnn-archive

这里按着cuda的版本安装就得了，然后我们检查一下，运行行输入：

nvcc -V

第三步：

到了这一步就容易多了，我们的目标是安装cuda版本的pytorch,打开pytorch官网：

Previous PyTorch Versions | PyTorchhttps://pytorch.org/get-started/previous-versions/找到自己对应的版本，我这里使用的11.3.0版本的cuda，conda环境就选择这个

检查是否安装成功，可以使用如下代码检验：

import torch
import torchaudio
import torchvision
print(torch.__version__) #输出torch版本
print(torchaudio.__version__) #输出torchaudio版本
print(torchvision.__version__) #输出torchvision版本
print(torch.cuda.is_available())  # 如果这个命令返回True，那么PyTorch可以使用CUDA