yolov5笔记之windows 10 64系统环境搭建

光明有我16620122910
已于 2023-02-12 10:44:47 修改
阅读量397
点赞数
分类专栏： python 文章标签： python pytorch 深度学习
于 2022-12-31 09:50:30 首次发布
本文链接：https://blog.csdn.net/u011619323/article/details/128502973
版权
python 专栏收录该内容
54 篇文章 0 订阅
订阅专栏
YOLOV5环境搭建
									windows 10 64
									NVIDIA GeForce GTX 1070(3以下显示全部装CUDA10.2)
									NVIDIA CUDA 12.0.94 driver(显卡最高支持的CUDA Version)
									pycharm
									anaconda
									cuda=10.2.89   cuDNN=8.5.0.96
									torch=1.8.2
									torchvision=0.9.2
									python=3.7
									yolo v5_6.0
									（注意：cuda+torch+torchvision+python有相互对应的版本关联关系）
									（注意：建议先看pytorch所支持的最高cuda版本，因为这个更新最慢）

## 0. 安装Pycharm :

	https://www.jetbrains.com/pycharm/download/#section=windows

## 1. 下载YoloV5源码：

	https://github.com/ultralytics/yolov5
	github下载yolo v5源码,格式zip,注意版本号,branches tags=6.0
	在pycharm中打开项目

## 2. 安装Anaconda3:

    https://docs.conda.io/en/latest/miniconda.html

## 3.创建虚拟环境yolov5并激活

    打开pycharm
    conda list
    conda create -n yolo5 python==3.7
    conda info -e
    activate yolo5 前面出现(yolo5)代表当前在yolo5环境

## 4. 安装CUDA ：

	(30系显卡建议装CUDA11.4 30系显卡以下建议装CUDA10.2)
	(默认目录,精简模式安装)
    https://developer.nvidia.com/cuda-toolkit-archive
    NVIDIA控制面板-帮助-系统信息-组件-NVCUDA.DLL后面有版本号表示最高可以装哪个CUDA版本
    cmd中输入 nvidia-smi   右上角：CUDA Version: 版本号   表示最高可以装哪个CUDA版本
    cmd 输入 nvcc -V
    出现 nvcc: NVIDIA (R) Cuda compiler driver
        Copyright (c) 2005-2019 NVIDIA Corporation
        ....
        ....
    CUDA安装完成后，去系统设置-高级-环境变量里找是否有如下
        CUDA_PATH    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
        CUDA_PATH_V10_1    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
        有则安装成功

## 5. 安装cuDNN(GPU N卡):

	https://developer.nvidia.com/rdp/cudnn-archive#a-collapse805-101
    找到对应CUDA版本的CUDNN后，展开选windows的。右击复制链接，然后打开迅雷直接下载。不用注册账号
    解压下载好的cuDNN包，并解压，得到bin include lib 三个文件夹
    打开这个目录直接覆盖：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1[这里是版本号]

## 6. pip批量安装requirements.txt

    先删除requirements.txt文件中2行(主要原因是下面这2个库和显卡cuda,python版本有关联,注意查表,后面安装)
    torch>=1.7.0
    torchvision>=0.8.1
    打开pycharm手动激活yolo5环境(activate yolo5)
    批量安装： 
    pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple       
    等待安装完成......
    手动安装缺少的库:(下面是可能用到的命令)
   		python版本不一致的时候
			conda uninstall python
			conda install python=3.7
		conda install opencv-python
		hydra
			pip install hydra-core --upgrade
		thop
			pip install thop
		gitpython
			conda install -c conda-forge gitpython -y
		可视化
			pip install tensorboard
		tensorflow有cpu和gpu
			conda install tensorflow==2.6.0
			![在这里插入图片描述](https://img-blog.csdnimg.cn/e84d2ec7bb97425ea6f7cff6df8412d1.jpeg#pic_center)

		

## 7. 安装pytorch:

	https://pytorch.org/get-started/previous-versions/
    查找对应CUDA版本的pytorch
    卸载torch
    pip uninstall torch -y
    pip uninstall torchvision -y
    安装
    pip3 install torch==1.8.2 torchvision==0.9.2 torchaudio==0.8.2 --extra-index-url https://download.pytorch.org/whl/lts/1.8/cu102    
    安装完成后环境校验
	import torch
	print(torch.__version__)
	print(torchvision.__version__)
	print(torch.cuda.is_available())#查看GPU是否可用
	print(torch.cuda.device_count())#返回GPU个数

## 8. 设置虚拟内存

	建议最多不超过3倍实际内存  16*3=48G  40G
    https://blog.csdn.net/qq_29508575/article/details/121331922?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_utm_term~default-5-121331922-blog-124373968.pc_relevant_landingrelevant&spm=1001.2101.3001.4242.4&utm_relevant_index=8

## 8.Arial.ttf文件

	（yolo5需要将Arial.ttf文件放入C:\Users\Administrator\AppData\Roaming\Ultralytics\目录）

## 9. 注意事项

   1.环境相关
     1.1 TypeError: Descriptors cannot not be created directly.[pip install protobuf==3.20.0] 装 pip install protobuf==3.20.1
     1.2 CUDA out of memor  更改batch_size值
     1.3 yolo5源码里\utils\datasets.py 或 dataloader.py 里 num_workers=0
     1.4 windows运行库
     1.5 UserWarning: Glyph   yolo5源码里\utils\general.py 里 with open(data, errors='ignore') as f:  改为with open(data, errors='ignore', encoding='UTF-8') as f:
     1.6 报错里有yolo5s.pt  下载群文件的yolo5s.pt放到yolo5源码里
     1.7 RuntimeError: result type Float can‘t be cast to the desired output type long int 看链接https://blog.csdn.net/limengshi138392/article/details/127496757
     1.8 UserWarning：torch.meshgrid：  pytorch降级 【一般在YOLO7里，显卡16XX系列容易出这个问题】
     1.9 yolo7的detect.py如果推理不了的话 将detect.py里的所有的.half()改为.float()或者把half赋值为False
     1.10 RuntimeError: There were no tensor arguments to this function  
     1.11 requirements: protobuf==3.20.1 not found: pip install protobuf==3.20.1
   2.模型转换相关
     2.1 onnx依赖 pip install onnx coremltools onnx-simplifier -i https://pypi.tuna.tsinghua.edu.cn/simple
     2.2 转onnx失败时,去miniconda环境下D:\Miniconda3\envs\yolo5\Lib\site-packages\torch\nn\modules  把activation.py 里的class SiLU(Module) 下return F.silu(input, inplace=self.inplace) 替换为return input * torch.sigmoid(input)
     2.3 pip install onnxsim -i https://pypi.tuna.tsinghua.edu.cn/simple
     2.4 AttributeError: 'Upsample' 解决方法:https://blog.csdn.net/Thebest_jack/article/details/124723687
     2.5 export failure:Unsupported ONNX opset version:13 解决办法：将export.py里的opset_version=opset修改为opset_version=12
   3.其他 
     3.1 出现下载字符集，可以将Arial.ttf文件放入C:\Users\Administrator\AppData\Roaming\Ultralytics\目录
     3.2 不管运行什么pip 开头的命令   发现失败  直接按上键  重新执行该命令即可(python很多插件都是外网下载,有时候网络波动,下载失败就会报错 多执行几次安装命令就行了)
     3.3 页面文件太小,无法完成操作 解决方案:我的电脑->右击 属性->高级系统设置->高级 性能 设置->高级->虚拟内存 更改->当前已分配的数值和内存大小差不多就行了
     3.4 路径里不要有中文或者空格
     3.5 No module named numpy:pip install numpy
     3.6 cannot import name 'OrderedDict' from 'typing':https://blog.csdn.net/qq_41368074/article/details/119491483

## 10.模型转换相关依赖

   1. onnx依赖 pip install onnx coremltools onnx-simplifier -i https://pypi.tuna.tsinghua.edu.cn/simple
   2. onnxsim依赖 pip install onnxsim -i https://pypi.tuna.tsinghua.edu.cn/simple
   2. onnxruntime

## 11.开始yolo

 	# 标记数据集
		使用labelImg 标记数据集，生成label
		https://www.makesense.ai/
	# 训练数据集
	python train.py --batch-size 4 --epochs 200 --data VOCdevkit\data.yaml --weights weight\yolov5s.pt
	#测试
	python .\detect.py --source C:\Users\gf66\Pictures\luoye --weights runs/train/exp15/weights/best.pt

## 12.detect重要参数:

	weights			yolov5s.pt
	source			data/images	支持文件(image|video)或者文件夹,可以使用相对路径
	img-size		640
	conf-thres		0.25
	iou-thres		0.45		0-1值越大,框数量越多,框越容易重合
	device			""			会自动检测值
	view-img		显示结果		命令行带--view-img,会自动显示结果,对视频也有效
	save-txt		保存结果		命令行带--save-txt,会自动保存结果
	classes			选择检测		--class 0  ||  --class 0 2
	project			runs/detect	结果保存的目录
	name			exp			结果保存的目录/exp
	exsit-ok					命令行带--exsit-ok,如果project/name存在会追加写入

	pycharm命令行举例 Parameters:--view-img --save-txt --classes 0

## 13.结果可视化

	TensorBoard数据可视化的工具
	安装
    pip install tensorboard
使用
    tensorboard --logdir=logdir
    tensorboard --logdir ”D:\projects\pycharm_projects\yolo_v8\ultralytics-main\runs\detect\train“

损失函数loss曲线:
    train_loss
预测与实际数据的差距程度
准确率accuracy曲线:
    train_accuracy

    precision：模型预测为正的样本中，真实为正的样本的比例。精度越高，性能越好。
    recall：真实为正的样本中，被模型预测为正的样本的比例。召回率越高，性能越好。
    box_loss：与目标范围box有关，越小方框越准；
    dfl_loss：与目标检测有关，越小目标检测越准；
    cls_loss：与目标分类有关，越小分类越准；

	tensorboard可视化后x轴：epochs  # 迭代轮数

## 14.bili视频下载工具:

	https://github.com/iawia002/annie