YOLOv5
训练
PASCAL VOC
数据集
课程演示环境:
Windows10
1
安装
Nvidia
显卡驱动、
CUDA
和
cuDNN
1)
下载和安装
nvidia
显卡驱动
首先要在设备管理器中查看你的显卡型号,比如在这里可以看到我的显卡型号为
Titan XP
。
NVIDIA
驱动下载:
https://www.nvidia.cn/Download/index.aspx?lang=cn
下载对应你的英伟达显卡驱动。
下载之后就是简单的下一步直到完成。
完成之后,在
cmd
中输入执行:
如果有错误:
'nvidia-smi'
不是内部或外部命令,也不是可运行的程序 或批处理文件。
把
C:\Program Files\NVIDIA Corporation\NVSMI
添加到环境变量的
path
中。再重新打开
cmd
窗口。
如果输出下图所示的显卡信息,说明你的驱动安装成功。
2)
下载
CUDA
本人安装的是
CUDA
的
10.2
版本
cuda
下载链接
:
https://developer.nvidia.com/cuda-downloads?
target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
nvidia-smi
下载后得到文件:
cuda_10.2.89_441.22_win10.exe
3)
下载
cuDNN
cudnn
下载地址
:
https://developer.nvidia.com/cudnn
需要有账号
下载后得到文件:
cudnn-10.2-windows10-x64-v7.6.5.32.zip
4)
安装
cuda
(1)
将
cuda
运行安装,建议默认路径
安装时可以勾选
Visual Studio Integration
(2)
安装完成后设置环境变量
计算机上点右键,打开属性
->
高级系统设置
->
环境变量,可以看到系统中多了
CUDA_PATH
和
CUDA_PATH_V10_2
两个环境变量。
接下来,还要
在系统中添加以下几个环境变量:
这是
默认安装位置的路径
: C:\ProgramData\NVIDIA
Corporation\CUDA Samples\v10.2
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2 CUDA_LIB_PATH =
%CUDA_PATH%\lib\x64 CUDA_BIN_PATH = %CUDA_PATH%\bin CUDA_SDK_BIN_PATH =
%CUDA_SDK_PATH%\bin\win64 CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
在系统变量
Path
的末尾添加:
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
再添加如下
5
条
(默认安装路径):
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64 C:\Program Files\NVIDIA
GPU Computing Toolkit\CUDA\v10.2\include C:\Program Files\NVIDIA GPU Computing
Toolkit\CUDA\v10.2\extras\CUPTI\lib64 C:\ProgramData\NVIDIA Corporation\CUDA
Samples\v10.2\bin\win64 C:\ProgramData\NVIDIA Corporation\CUDA
Samples\v10.2\common\lib\x64
5)
安装
cuDNN
复制
cudnn
文件
对于
cudnn
直接将其解开压缩包,然后需要
将
bin,include,lib
中的文件复制粘贴到
cuda
的文件夹下
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
6
)
CUDA
安装测试
最后测试
cuda
是否配置成功:
打开
CMD
执行:
即可看到
cuda
的信息
nvcc -V
2
安装
Anaconda
和
PyTorch
1)
安装
Anaconda
Anaconda
是一个用于科学计算的
Python
发行版,支持
Linux, Mac, Windows,
包含了众多流行的科学
计算、数据分析的
Python
包。
1)
下载安装包
Anaconda
下载
Windows
版:
https://www.anaconda.com/products/individual
2)
然后安装
anaconda
3)
添加
Aanaconda
国内镜像配置
清华
TUNA
提供了
Anaconda
仓库的镜像,运行以下命令
:
2
)安装
pytorch
更新:如果使用
yolov5
版本
v4.0
以上的代码,
pytorch1.6
改为
pytorch1.7
创建虚拟环境,环境名字可自己确定,这里使用
yolov5
作为环境名
:
安装成功后激活
yolov5
环境:
在所创建的环境下安装
pytorch
的
1.7
以上版本
,
执行命令:
注意:
10.2
处应为自己电脑上的
cuda
版本号
离线安装:
conda config --add channels
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda create -n yolov5 python=3.8
conda activate yolov5
conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
下载网址
:
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
安装
pytorch1.7
更新为
版本
: pytorch-1.7.1-py3.8_cuda102_cudnn7_0.tar.bz2
3 yolov5
项目克隆和安装
1
) 克隆
yolov5
项目
安装
Git
软件(
https://git-scm.com/downloads
),克隆项目到本地(如
d:
)
或
手动下载
yolov5
源码
v4.0:
https://github.com/ultralytics/yolov5/releases/tag/v4.0
2
) 安装所需库
使用清华镜像源:
在
yolov5
路径下执行:
注意:
simple
不能少
,
是
https
而不是
http
3
) 下载预训练权重文件
下载
yolov5s.pt
,
yolov5m.pt
,
yolov5l.pt
,
yolov5x.pt
权重文件,并放置在
weights
文件夹下
百度网盘下载链接
:
链接:
https://pan.baidu.com/s/1RztRLwk3Dye9qkmXxG40JA
提取码:
e2q0