学习深度学习的小伙伴们大家好,我学习是人工智能的小白毛线球,本文是介绍我在win10环境下跑yolov4模型时搭建的环境配置过程。
anacond3安装
anacond可以便捷获取包且对包能够进行管理,同时对环境可以统一管理的发行版本。
这里我们主要是用于创建虚拟的环境,方便随时对多种环境进行调整配置。
这里版本不用太纠结新版旧版都能跑,只是新版支持新的python版本。
anacond3官网
安装时可以一直点下一步只有,两步需要额外注意
1、选择安装地址时可以不装在c盘。
2、这里两个可以都选上,这样虽然有警告但会自动配置环境变量,比较方便。
二、安装Cudnn和CUDA
CUDA是显卡的驱动工具,用于使用GPU跑算法。我这里使用的是10.0的版本,新旧版本安装基本一致。能用新版还是建议大家使用新版。因为对于后面的pytorch更加兼容。
(选择local离线下载到本地即可)
CUDA官网
注意这里选择自定义,其他下一步即可。
安装完了之后就去下载对应的Cudnn版本
Cudnn官网下载
(这里需要注册一个账号)
然后前往C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0目录下把
下载的Cudnn内的文件移动到该目录下
CUDA与Cudnn对应表
三、安装torch
启动命令行窗口
win+r
1、创建一个虚拟环境
conda create –n '虚拟环境名字' python= '想要的py版本'
例如
conda create –n yolov5 python=3.6
激活环境
activate '环境名'
2、安装pytorch库
pytorch官网
你可以直接去官网获取下载对应版本的命令(最下面的那一窜英文)
这里我用的是
pip3 install torch1.8.0+cu102 torchvision0.9.2+cu102 torchaudio===0.8.2 -f https://download.pytorch.org/whl/lts/1.8/torch_lts.html
也可以去下面这个网站手动下载文件并安装(推荐)
文件网站
(ctrl+f可以在网页内搜索文字)
同样是上面的几个文件我们可以找到
这里注意一点cp36的意思是对应python3.6的版本
cpu代表cpu环境
cu代表GPU环境
之后在虚拟环境中进入安装文件的目录
输入
pip install 文件全名+后缀
例如
pip install torch-1.8.0+cu111-cp36-cp36m-win_amd64.whl
注意这里要先对pip进行换源处理,不然下载太慢容易失败,我用的是中科大的源,感觉还行。
如何换源可以参考下面这篇博文(引用他人的)
https://blog.csdn.net/change_can/article/details/83781243
最后只需要根据自个需要安装依赖库就完成啦!
最好建个requirements.txt文件
进入文件所在文件夹输入以下命令一键安装即可
pip install -r requirements.txt
这里贴上我跑yolo4时用的库,大家可以尝试尝试
certifi
chardet
cycler
dataclasses
easydict
idna
imutil
kiwisolver
matplotlib
numpy
opencv-python
Pillow
pyparsing
python-dateutil
pyyaml
requests
scipy
six
tqdm
typing-extensions
urllib3
pandas
seaborn
欢迎大家指正错误。