yolov5-gpu版本部署与测试中遇到的问题与解决

首先非常感谢炮哥写的yolo5-gpu训练上手博客，他的博客首页和他录制的视频（下方有含有数据集的资料包的链接），写得非常详尽细致，适合新手上手。笔者参考了以上资料，但因为时间间隔与电脑配置差异，仍然遇到了一些问题，此文旨在记录自己的解决办法，并为同样遇到类似问题的朋友们提供解决的思路。

1.虚拟环境配置

对应的鲍哥原文：Anaconda安装与pytorch配置
笔者的电脑与炮哥相同，所以决定按照炮哥相同的版本进行后续安装。
下图为笔者电脑的相关参数
已经有Driver：472.19，所以没有再去官网安装

1.1 安装指定版本Anaconda

anaconda有很多版本，下载anaconda时会自动下载python，这个python是用于anaconda中的base环境，可以理解为平时最常用的python版本。对于笔者而言，python3.7适用于大部分工程，故需要下载anaconda-python3.7。
Anaconda官网下载，如下图最新版本对应的是python3.9。

根据这篇博客，应选择Anaconda3-2019.07(python3.7.3)。(https://repo.anaconda.com/archive/)
在Anaconda所有版本链接，找到Anaconda3-20109.07(python3.7.3)，点击下载即可。

1.2 安装指定版本pytorch-gpu

炮哥安装的pytorch带的是cuda11.1，为了与他保持一致，笔者也安装cuda11.1。
但是此时打开pytorch网站，pytorch-cuda11.1并不在显示中。

点击Previous versions of PyTorch
发现直接安装的指令为

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

按以上指令运行，即使有梯子，也难以下载成功。
于是换源，起初根据只添加了原文里的三个源（add channels 代表添加源）

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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

发现有报错，对比官网指令中的 -c pytorch -c conda-forge（指定pytorch源和conda-forge源），发现缺少了conda-forge的清华源，所以通过以下指令添加。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

再检查一下，输入conda config --show channels，结果应与下图相同。

最后，输入conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1（不指定源，会自动在已有源里搜索），即可成功安装pytorch。
经pycharm检测(在炮哥原文末尾)，pytorch-1.8对应的cuda为11.1，cudnn为8.0。

1.3 安装指定版本paddle

炮哥安装的是paddle2.1版本，打开paddle官网，最新版本为2.2，历史版本只到2.0。于是安装最新的2.2版本的paddle。

如上图的安装指令，指定了paddle的清华源和conda-forge源，笔者安装时指定paddle清华源和conda-forge清华源。
输入conda install paddlepaddle-gpu==2.2.2 cudatoolkit=11.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/ -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

即可成功安装paddle。
后经pycharm验证，paddle2.2版本中，cuda为11.2 ，cudnn为8.1.0。

2. 安装打标签应用labelImg

对应原文labelImg安装
炮哥安装labelImg的方法，在我的电脑上无法使用。绕了很多弯路后，发现Anaconda官网有相关说明，且操作简便。

conda install -c conda-forge labelimg 

以上命令即可安装labelImg，笔者挂了梯子。
或者找到对应的清华源，理论上应该也可以。
若出现以下报错

在网址下载Microsoft C++的build tools, 点开下载好的build tools exe，勾选一下几项进行安装即可。

3.yolo测试

对应原文yolo训练自己的训练集

3.1 pycharm 选择对应的python编辑器

炮哥采用的方法当然可以，但笔者习惯于在创建工程时就选择好。

如果是第一次选择编译器，在上图界面点击previously configured interpreter–>地址方框后的省略号添加python interpretor，会出现下图选项框。按红笔所示顺序选择python地址。

在select python interpreter界面点击OK后，页面如下图所示

备注：
Anaconda中，base环境中的python地址为：Anaconda安装文件夹–>python.exe
比如： D:\WinSoftware\installation\Anaconda_python3.7_201907\python.exe

Anaconda 中，其他虚拟环境的python地址为：Anaconda安装文件夹–>envs–>指定虚拟环境文件夹–>python.exe 比如：
D:\WinSoftware\installation\Anaconda_python3.7_201907\envs\env_pytorch\python.exe

3.2 pycharm 编辑变量parameter

可以在run-configuration-parameters里传入变量，而不需要在源文件里更改default值。

3.3 报错No SPPF

运行train后报错：AttributeError: Can’t get attribute ‘SPPF’ on <module ‘models.common’ from ‘H:\yolov5-5.0\models\common.py’>
解决：权重文件weight下载错了，yolov5下载的是5.0版本，但权重文件下成了yolov5-6.0版本的权重。打开网址，往下滑到v5.0，展开Assets，下载5.0版本的yolo5s.pt

3.4 页面文件太小

报错：
解决：
扩展虚拟内存，参考

3.5 运行train.py时检测gpu是否参与

不能采用任务管理器检查，并不准确。
应该在命令行输入nvidia-smi，查看gpu占用率。