YoloV4GPU环境配置

最新推荐文章于 2024-06-04 09:36:07 发布
最新推荐文章于 2024-06-04 09:36:07 发布
阅读量945 收藏 1
点赞数
分类专栏： 笔记 文章标签： tensorflow 深度学习 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/straker/article/details/126924600
版权

最近刚买了新电脑，显卡还不错想跑YOLO，跑起来发现是CPU在运行，GPU没工作，然后配置了一整天的GPU环境，太折磨人了

一共搭建了两个环境 一个tensorflow:tf2.3。在这个环境里我下了一些需要用到的包。然后又创建了一个torch的gpu环境，这个最重要，下完之后就能用gpu跑了。一共看了两个帖子，都在收藏夹里。

我给这俩帖子直接复制过来。第一个主要是Pycharm里面选择anaconda的虚拟环境，这个一定好配置好。然后配置tensorflow的gpu环境

第二个主要是配置pytorch的gpu环境 第三个结合着看，我用前两个没有讲配置tensorflow的gpu，第三个帖子里有

总结来说 我就是pytorch的GPU没下好，搞了一整天。。。

也就是两点1.pycharm里面选择好创建好的环境，在环境里面加入相应的依赖2.创建pytorch的gpu环境

如何在pycharm中配置anaconda的虚拟环境_肆十二的博客-CSDN博客_pycharm使用anaconda虚拟环境

使用anaconda配置gpu版本的torch==1.7.1（非30系列以上显卡也可用）_大气层煮月亮的博客-CSDN博客_anaconda调用gpu

2021年Windows下安装GPU版本的Tensorflow和Pytorch_肆十二的博客-CSDN博客

还行摸鱼
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
yolov4-weights.zip
05-28
要运行YOLOv4进行目标识别，你需要一个支持CUDA10.2和cuDNN7.6.5.32的GPU环境，以及OpenCV3.4.10和Visual Studio 2015。首先，确保安装了所有必要的依赖库，例如TensorFlow或PyTorch（根据你选择的框架），然后加载...
快速玩转Yolov5目标检测—没有好的显卡也能玩（二）
天地无用的专栏
10-02 8465
下面就详细说说整个躺坑的过程，过程中也让我找到了一种在手头没有好的显卡的情况下如何能够比较快速低成本得到好显卡的方法。
YoloV5入门学习
weixin_47104238的博客
10-25 2221
YoloV5配置及视频识别
Yolo-v5模型训练速度，与GeForce的AI算力描述
最新发布
含光左卫的工作笔记集
06-04 540
GeForce RTXTM 3070 Ti 和 RTX 3070 显卡采用第 2 代 NVIDIA RTX 架构 - NVIDIA Ampere 架构。该系列产品搭载专用的第 2 代 RT Core ，第 3 代 Tensor Core、全新的 SM 多单元流处理器以及高速显存，助您在高性能要求的游戏中所向披靡。3090量化到FP32，使用官方的Pytorch跑，完整的60 classes coco数据集一个是18.04小时。Coco训练集大概是12万张图片，60 classes.
【YOLO】朴实无华的yolov5环境配置（一）
Explore_Zhou
05-13 3534
最近有一个项目需要用到目标识别，于是我一下子就想到了大名鼎鼎的yolo，于是花了一天时间了解了一下。但是很遗憾的是，， 随后就去网上找一些配置教程，但是很遗憾的是听着很大气，但感觉大部分都是废话，效率不高且不够准确。于是打算根据自己的经验搓一个教程。
YOLO系列
m0_54019728的博客
08-19 1482
YOLO
YOLO（二）：YOLOv4在Windows7（GTX960）下的配置+opencv3.1.0+VS2015
sinat_34897952的博客
06-10 3235
提醒：本文为64位Windows7操作系统下GTX960的配置，YOLOv4的数据训练问题还是先挖个坑，后期再更新。 主要参考：windows7+VS2017+GPU+OpenCV3.4 编译YOLO_v4 自己上一篇的YOLOv3在windows7仅CPU模式下配置好之后，刚发出去没多久，其实YOLOv4就出来了，性能相比v3提升了不少，前段时间也趁着有空，试了一下，这里友情提醒一下，v4最好使用显卡，自己的显卡正好是刚从叔叔家网咖淘汰下来的GTX960，所以也就凑合着用吧。 前面说过对于初学者，YOLO
Windows+YOLOV8环境配置
03-23
YOLO（You Only Look Once）是一种著名的实时目标检测系统，其最新版本YOLOv8在Windows环境下进行配置可能对许多用户来说是一项挑战。本篇文章将详细介绍如何在Windows操作系统上搭建YOLOv8的运行环境。 首先，理解...
darknet-YoloV4
08-10
YOLOv4是一种高效且准确的目标检测算法，它在计算机视觉领域被广泛应用。Darknet是一个开源的神经网络框架，主要用于实现YOLO（You Only Look Once）系列算法。这个压缩包"darknet.zip"包含了在Windows和Linux操作...
ubuntu1804 qt调用yolov4源码
02-25
完成上述步骤后，你需要将YOLOv4的预训练权重文件下载到本地，并配置Darknet的配置文件，以适应你的需求。 在Qt项目中，你需要创建一个C++类来处理YOLOv4的调用。这通常包括以下部分： 1. 加载模型：在C++代码中...
c++调用YOLOV4实现目标检测
06-19
配置好环境后，你需要下载YOLOv4的预训练权重文件（yolov4.weights）。这个权重文件是通过大量的图像数据训练得到的，包含了模型的学习参数。将下载好的权重文件放在代码的同一目录下，以便程序能够正确找到它。 ...
WIN10 系统下下载安装YOLOV4并使用GPU加速（保姆级）
russwest0的博客
01-21 3461
这次因为比赛需要测试一下yoloV4的速度，就安装了一下YOLOV4，差点哭出来 基本上把能踩的坑都踩了一遍（无奈）。装完之后想写一片总结记一下，也帮大家伙避避雷。 一、下载yoloV4源码 建议使用git下载，一行指令就搞定还挺快的。（没有的话可以直接在github上点下载就好，不过这个我没试过） 在需要下载的位置右键点击Git Bash Here(我是在E盘下) 打开git界面后输入： git clone https://github.com/AlexeyAB/darknet.git 等待下载即可
机器学习电脑配置有什么要求？要什么显卡？
gp16674213804的博客
02-28 9381
机器学习电脑的配置需要足够的计算能力和存储能力，以支持大量的数据处理和运算。在选择电脑配置时，需要根据自己的需求和预算来选择合适的配置。
在进行YOLOv3模型部署时，如何评估和选择最适合的硬件平台？
wangbo_angel的博客
05-03 94
根据搜索结果，研究人员已经开展了在ARM+FPGA异构平台上部署YOLOv3模型的工作，通过模型剪枝、量化和硬件加速等技术，实现了在资源受限的平台上高效运行YOLOv3模型。例如，通过软硬件协同设计，使用轻量级的MobileNet网络，并提出适合硬件部署的量化方法，可以在保持较低功耗的同时，达到实时目标检测的性能。综合考虑上述因素，并结合具体的应用场景和项目需求，可以帮助评估和选择最适合的硬件平台进行YOLOv3模型的部署。7. 兼容性和支持：选择得到广泛支持的硬件平台，可以减少开发和维护的难度。
YOLO（三）：YOLOv4在Windows7（仅CPU）下的配置+opencv3.1.0+VS2015
sinat_34897952的博客
07-08 3467
提醒：本文为64位Windows7操作系统下仅CPU(木有用到显卡)的配置，这是填上一篇YOLOv4的坑（上一篇中有使用到显卡，对于没有显卡但也想跑一下试试的同学可以过来坐坐），构建自己的数据集训练问题还得往后延一下，后期再更新。 主要参考： YOLO V4 ：win10+cpu环境的体验 上一篇的YOLOv4在windows7搭载的GTX960显卡配置好之后，无意中看到上面那篇文章，因为自己在之前查找教程的时候，有几个使用cmake生成的例程，但自己一直没跑通，后面就换了一位同学的方法实现。这次看到这个不
Yolov5 Windows环境配置，显卡GTX 1650
Crazy_rabbit_jia的博客
05-03 6806
yolov5安装教程，并运行
YOLOV4-tiny WIN10 部署
highoooo的博客
11-09 961
# YOLOV4-tiny WIN10 部署
快速玩转Yolov5目标检测—没有好的显卡也能玩（一）
天地无用的专栏
09-27 3806
对目标检测关注很久了，比较有代表性的项目就是Yolov5了，前段时间终于安耐不住实验了一把。
Windows10系统下YOLOv5配置（Tesla P40 24GB、CUDA10.2）
シ❤゛甜虾的个人博客
06-01 2634
操作系统：Windows10显卡：Tesla P4024GBCUDA版本：10.2YOLOv5版本：4.0。
yolov5gpu版本环境配置
03-29
下面是 yolov5gpu 版本环境配置的步骤： 1. 安装 Anaconda 首先，需要安装 Anaconda。在 Anaconda 官网下载对应版本的安装包，然后按照指示安装。 2. 创建虚拟环境 打开 Anaconda Prompt 终端，输入以下命令创建一个名为 yolov5gpu 的虚拟环境： ``` conda create --name yolov5gpu python=3.8 ``` 3. 激活虚拟环境 创建完虚拟环境后，需要激活这个环境。在 Anaconda Prompt 终端中输入以下命令： ``` conda activate yolov5gpu ``` 4. 安装 PyTorch yolov5gpu 需要使用 PyTorch 神经网络框架。可以通过以下命令安装 PyTorch： ``` conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia ``` 其中，cudatoolkit=11.1 表示使用 CUDA 11.1 版本，可以根据自己的显卡情况选择对应的版本。 5. 安装其他依赖库 yolov5gpu 还需要安装其他依赖库，可以通过以下命令安装： ``` pip install opencv-python matplotlib pillow PyYAML ``` 6. 下载 yolov5 代码 可以从 yolov5 的 GitHub 仓库下载 yolov5 代码。在 Anaconda Prompt 终端中输入以下命令： ``` git clone https://github.com/ultralytics/yolov5.git ``` 7. 测试 完成以上步骤后，可以通过以下命令测试 yolov5 的运行情况： ``` cd yolov5 python detect.py --weights yolov5s.pt --img 640 --conf 0.25 --source data/images/bus.jpg ``` 其中，--weights 参数指定 yolov5 模型的权重文件，--img 参数指定输入图像的大小，--conf 参数指定置信度阈值，--source 参数指定输入图像的路径。 以上就是 yolov5gpu 版本环境配置的步骤。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值