yoloV5 使用——训练速度慢，加速训练

最新推荐文章于 2024-09-20 14:33:52 发布

TigerZ*

最新推荐文章于 2024-09-20 14:33:52 发布

阅读量1.5w

点赞数 5

分类专栏：深度学习工具链文章标签： python 目标检测计算机视觉视觉检测

本文链接：https://blog.csdn.net/u012863603/article/details/119758176

版权

深度学习工具链专栏收录该内容

9 篇文章 9 订阅

订阅专栏

本文介绍了如何在conda虚拟环境中安装YOLOv5，并着重解决了因CUDA版本与PyTorch版本不匹配导致的GPU不可用问题。建议使用conda创建隔离环境，然后按照官方指南下载源码和安装依赖。当遇到GPU不可用时，可以通过升级CUDA或安装匹配CUDA版本的PyTorch来解决。此外，还提供了使用GPU训练YOLOv5的命令参考。

摘要由CSDN通过智能技术生成

首先大家会按照官方的readme文件进行安装，连接： https://github.com/ultralytics/yolov5

此时有两点需要注意：

1、强烈建议大家使用conda虚拟环境安装，这样不会扰乱其他项目的Python环境，关于conda虚拟环境的使用，建议参考我的另一篇博客：

https://blog.csdn.net/u012863603/article/details/115764553

举例如下：

conda create --name yolov5 python=3.8
conda activate yolov5 # linux下

2、进入conda环境后，按照官方的程序下载源码和安装依赖

$ git clone https://github.com/ultralytics/yolov5
$ cd yolov5
$ pip install -r requirements.txt

3、需要测试torch是否可用，以及是否是GPU

$ Python

import torch
torch.__version__ # 打印torch版本
torch.cuda.is_available() # 查看GPU是否可用

4、如果GPU不可用，显示如下：

这种情况就是你的cuda版本过低导致的pytorch版本不匹配，原因就是requirements.sh里面关于pytorch的安装版本的描述，会指向几乎最新的版本，而你的cuda版本低就会安装CPU版本。

如何解决：

第一种，升级你的cuda版本，然后重新安装（pip install -r requerments.txt）。这种不太建议，因为，很多情况你和别人共享机器，即使不是共享机器也会影响你的其他conda环境。

第二种，安装支持你cuda版本的YOLOV5支持的版本，比如cuda 10.1 满足YOLOv5的版本为pytorch 1.7.1，这时要注意，使用pip安装，切勿使用conda安装，否则依然找不到。具体操作如下：

1）卸载现有torch

pip uninstall torch
pip uninstall torchvision

2)查找对应pip 版本： https://pytorch.org/get-started/previous-versions/ ，选择自己的操作系统和cuda对应的pip安装服务，如下：

3）再次测试，应该就可用了。

$ Python

import torch
torch.__version__ # 打印torch版本
torch.cuda.is_available() # 查看GPU是否可用

5、使用GPU训练，参考这个网页进行训练： https://github.com/ultralytics/yolov5/issues/475，而不是主页上的，主页上的会仅仅使用CPU训练。当使用单机多卡时，一定要使用最新的

DistributedDataParallel而不要再使用老旧的DataParallel方式。

如果加上训练epoch，如下：

python -m torch.distributed.launch --nproc_per_node 4 train.py --epochs 100 --batch 128 --data ./data/contraband_rmrb.yaml --weights ./yolov5l.pt --device 0,1,2,3