目录
前段时间因为一个图像识别的项目要用YOLO,但是在配环境的时候遇到了很多问题,浪费了大量的时间,查了很多资料才把问题解决,成功用上了GPU训模型😭😭。这里我整理了一下我在配环境期间遇到的一些问题,希望能够帮到有需要的小伙伴们。
坑1:CUDA版本需要11.7以上,但是你的电脑不支持
在yolov10的requirements.txt文件中标明了要求的【最低】torch版本是2.0.1,而对应的cuda最低版本就是11.7了。也就是说,如果你的cuda版本不足11.7,必须先更新cuda才行。可以通过下面两个命令在命令行窗口中查看目前你的显卡支持的最高cuda版本。
nvidia-smi #查看目前支持cuda最高版本
nvcc -V #查看已安装的cuda版本
示例结果如下:
如果有小伙伴的支持CUDA版本不足11.7也不要沮丧,或许你的显卡是有能力的,只是电脑买来后没有配好驱动程序。我们可以访问官网升级驱动程序。流程如下:
首先打开官网的手动驱动搜索页面:下载 NVIDIA 官方驱动 | NVIDIA
然后在搜索栏输入你的显卡型号(本人的是geforce mx450)。
选择系统和显卡型号都对应的版本,点击【查找】,在跳转的页面中【查看】最新版的驱动程序。
然后下载最新版本的驱动程序,下载后安装即可。
完成上述操作后再在命令行窗口用nvidia-smi命令看一下自己的显卡支持的CUDA版本,是不是已经能够支持11.7了呢?(一般只要配置不是太低就都能支持)。
坑2:CUDA安装失败
在正常安装CUDA时,我遇到了下面这样的问题:
最终也是用一位博主的方法解决了,文章在这里,大家如果遇到类似的问题也可以尝试一下,亲测不会对训练YOLOv10有影响:NVIDIA安装CUDA在安装阶段提示NVIDIA安装程序失败_cuda安装失败-CSDN博客
坑3:命令行下载pytorch(torch)超时中断
【建议:以下操作推荐在虚拟环境中进行】
【提醒:下载pytorch应该在已经完成requirements.txt文件要求后进行,否则在快捷安装requirements.txt要求的包时会将你已经下载好的pytorch及torchvision卸载,并重下CPU版本】
可能会有一些小伙伴和我一样使用命令行下载pytorch的时候超时中断了。这种情况下我们可以在官网上下载对应的包再在本地安装。这里以CUDA12.1为例。
首先在官网查看CUDA12.1对应的pytorch版本。
复制后面的url,在浏览器中打开,并找到对应版本的torch、torchvision和torchaudio。
上面的这些是不能选的,其中带有“cpu”字段的顾名思义就是在cpu上使用的torch,而带有“manylinux”和“macosx”字段的则是在另外两种操作系统上使用的torch,也不能适用于我们的windows系统。
上面这些带有“+cu121”和“win”字段的正是我们需要的windows系统下CUDA12.1对应的torch版本。那么问题来了,这么多的torch2.3.1,我们应该选择哪一个呢?最开始我以为随便哪个都可以,但是其实系统并不支持所有版本的torch,这里我们可以在命令行窗口执行下面的指令查看支持的版本有哪些:
pip debug --verbose #查看支持的版本号
在输出中找到如下内容,即为支持的版本号。
在上图的示例中,我们能看到支持cp38-cp38-win_amd64,我们就可以选择其中对应的版本进行下载和安装了。也不要忘记安装torchvision和torchaudio。
验证:判断GPU是否可用
首先启动你安装pytorch的虚拟环境,然后依次执行下面的三个指令。
conda activate env_name #打开安装pytorch的虚拟环境,记得换成自己的环境名
import torch
torch.cuda.is_available()
如果像下图一样返回true,那么恭喜你成功了!🎇🎇这时候你就可以用GPU快乐地训YOLO模型喽😄😄
最后,向刚接触YOLO且希望能够快速掌握YOLO训练及检测方法的小伙伴们推荐两篇文章:
YOLOv10GPU训练自己的数据(含网络结构图) (草履虫都能看懂系列)_yolov10 gpu-CSDN博客
使用YOLOv10训练自己的【目标检测】数据集-【收集数据集】-【标注数据集】-【划分数据集】-【配置训练环境】-【训练模型】-【评估模型】-【导出模型】_yolov10训练自己的数据集-CSDN博客
祝大家也能早日训出自己满意的模型✊✊✊