深度学习：YOLO环境搭建

本文参考链接：

https://blog.csdn.net/qq_41204464/article/details/108807165

显卡的介绍：(13条消息) 一篇文章清晰了解NVIDAI显卡驱动（包括：CUDA、CUDA Driver、CUDA Toolkit、CUDNN、NCVV）_一颗小树x的博客-CSDN博客_显卡驱动是用什么语言写的

在安装之前，一定要先搞清楚版本关系。

TensorFlow：深度学习框架  

Pycharm：开发IDE
Anaconda  ：整合开发环境，创建虚拟开发环境，是基于conda的Python数据科学和机器学习开发平台，conda是虚拟环境工具+包管理工具，可以用于各种开发语言，这里指Python。conda资源库有上万个第三方库，大部分都是数据科学和机器学习相关领域。
https://zhuanlan.zhihu.com/p/561238091
TensorFlow：可以拿python最经典的计算包numpy来进行比较，和numpy类似，用于数据计算，
常用于开发深度学习框架。
https://cloud.tencent.com/developer/article/1149829
Pycharm：是一种 Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，
比如 调试 、 语法高亮 、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。

1. Anaconda  Python 3.9+64bit
https://www.anaconda.com/products/distribution/start-coding-immediately
安装时记得添加  系统环境变量

2.安装TensorFlow
在Anaconda  中安装TensorFlow
2.1CPU版本：新建一个YOLO-CPU-TensorFlow2的开发环境
conda create -n YOLO-CPU-TensorFlow2 python=3.9
激活并进入刚才创建的环境
conda activate YOLO-CPU-TensorFlow2
安装tensorflow 2.5.1 
pip install tensorflow==2.5.1 -i https://mirrors.aliyun.com/pypi/simple/
验证是否环境安装成功：
python
import tensorflow as tf
tf.__version__
PS：2.5.1 

2.2GPU版本：新建一个YOLO-GPU-TensorFlow2的开发环境
conda create -n YOLO-GPU-TensorFlow2 python=3.9
conda activate YOLO-GPU-TensorFlow2
pip install tensorflow-gpu==2.5.1 -i https://mirrors.aliyun.com/pypi/simple/
验证是否环境安装成功：
python
import tensorflow as tf
tf.__version__

3.安装CUDA
conda install cudatoolkit=11.2
4.安装CUDNN
conda install cudnn==8.1
如果这两条成功，则GPU加速环境成功部署

5.验证环境是否安装成功
进入Python环境：
python
导入tensorflow 库
import tensorflow as tf
查看版本：tf.__version__
PS：2.5.1

6.Pycharm下载安装
6.1 下载安装
6.2 配置环境

7.YOLOv3目标检测与识别
7.1 下载代码
https://github.com/guo-pu/yolov3-tf2
7.2 打开并设置开发环境

7.3下载权重文件

8.Yolo v7
下载代码:https://github.com/WongKinYiu/yolov7
参考链接：
https://blog.csdn.net/weixin_64524066/article/details/126845366?spm=1001.2014.3001.5502

下载权重文件：

YOLOV3还没验证成功，查了原因是numpy版本太高了

YOLOV7的模型单独运行在CPU上已经验证过了，但画面很卡。

遇到错误的解决办法：
dll文件找不到
https://blog.csdn.net/huangcong159/article/details/106770693

CUDA 和Tensenflow之间的版本关系：
https://tensorflow.google.cn/install/source_windows
如何查看CUDA版本：
https://blog.csdn.net/fuhanghang/article/details/122873932
或者cmd：NVIDIA-smi
不同版本CUDA的下载链接：
https://developer.nvidia.com/cuda-toolkit-archive