yolov5环境配置（Pytorch），免手动安装CUDA

已于 2024-09-08 23:34:51 修改
阅读量3k 收藏 47
点赞数 33
文章标签： YOLO pytorch 人工智能
于 2024-01-12 18:46:49 首次发布
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/wangjingyuzero/article/details/135557347
版权
本文详细介绍了如何配置YOLOv5的运行环境，包括检查显卡版本、安装PyCharm和Anaconda，创建虚拟环境并选择合适的CUDA和Python版本，以及在PyCharm中设置解释器和解决环境测试中遇到的问题，如numpy版本不匹配和导入错误。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、前期准备

1.检查显卡版本

        1.1打开命令提示符

        win+R输出cmd即可打开

在命令提示符中输入

nvidia-smi

我途中圈起来的部分就是我的电脑所能支持的最高的CUDA版本号

本文选用CUDA11.3安装

2.安装Pycharm

        官网链接：Download PyCharm: Python IDE for Professional Developers by JetBrains

注意选社区版

Pycharm的安装不做过多表述，下载下来直接安装即可，网络中的安装教程有非常多就不做过的说明，无脑安装即可

3.安装anacon

最低0.47元/天 解锁文章
【YOLOV5 入门】——环境配置（Miniconda/Pytorch/YOLOv5/PYPI镜像源）
weixin_51658186的博客
03-25 3399
YOLOv5用些新技术来提高训练和推理的效率，例如自动数据增强和模型压缩等。提高模型的鲁棒性和泛化能力，例如采用新的数据增强技术和正则化方法等。更深的网络结构和更高级的特征提取技术，从而使其在目标检测任务上表现更好。
Yolov5目标检测教程——环境配置、模型训练、C#部署
最新发布
Realkite的博客
05-02 1284
YOLOv5目标检测零基础教程：基础、细节、小白适用。
yolov5环境配置
xiao_yang_yang_的博客
02-04 8697
Windows系统下1、安装Anaconda3(我的版本)，配置好环境变量（不同版本环境变量文件可能不同）2、安装电脑对应的显卡版本驱动(NVIDIA GeForce GTX 1050)3、安装CUDA(10.2版本)，成功安装后再安装cuDNN(一定是对应于CUDA版本)4、安装pytorch，配置pytorch环境，克隆yolov5包。
YOLOV5环境配置
qq_53962503的博客
07-24 3816
YOLOV5环境配置
YOLOv5环境配置
m0_53480978的博客
07-05 4105
利用anaconda和pycharm安装包并运行项目文档
深度学习笔记（一）：环境（yolov5）配置
xumocanshui的博客
09-29 1万+
到这里yolov5的环境部署就结束了。最后运行一些yolov5项目中的detect.py文件测试一下。在terminal中输入或者直接运行detect.py。运行结果如下所示。
基于Yolov5环境配置详解（真的很方便很简单）
热门推荐
不会拍照的博客
07-12 4万+
本文主要讲解了如何配置Yolov5的运行环境在竞赛期间接触了机器视觉，为了完成对各种垃圾的目标检测，我用了yolov5模型去实现。刚开始的配置环境的时候用了两周的时间，还会遇到各种报错；主要是版本问题，因为要对应Jeston nano的环境（也可能不需要对应）；如果只要给电脑配置环境就很简单了。
Pycharm环境配置YOLOv5（Pytorch）
qq_44147623的博客
09-22 4069
本文详细介绍了 YOLOv5 环境配置的完整流程，包括 Pycharm 和 Anaconda3 的下载与安装、虚拟环境的创建与进入退出，以及如何在 Pycharm 中设置相关环境。此外，还涵盖了运行过程中可能遇到的常见问题，如 Numpy 版本不兼容以及缺少模块等，并提供了相应的解决方案。
PyTorch安装配置+YOLOv5-5.0实现口罩检测+GPU训练实现办法汇总（非常全）
06-15
### PyTorch安装配置 #### 一、PyTorch与Anaconda环境搭建 ...通过以上步骤，我们可以顺利完成PyTorch环境下YOLOv5的安装配置，并实现口罩检测的功能。在训练过程中，合理利用GPU资源可以显著提高训练速度。
yolov5 +cuda10.2 +gpu环境搭建 （详细版本）
qq_53357019的博客
07-11 1万+
YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。主要的改进思路如下所示：输入端：在模型训练阶段，提出了一些改进思路，主要包括Mosaic数据增强、自适应锚框计算、自适应图片缩放； 基准网络：融合其它检测算法中的一些新思路，主要包括：Focus结构与CSP结构； Neck网络：目标检测网络在BackBone与最后的Head输出层之间往往会插入一些层，Yolov5中添加了FPN+PAN结构； Head输出层：输出层的锚框机制与YOL
yolov5环境配置过程、问题及解决办法
hl6043的博客
07-05 1951
大家好，由此开始我的第一篇博客，也是我机器语言学习的第一篇博客。我于2023年6月底进行了yolov5的环境配置，在此之前我没有python基础和数学基础，因为在准备期末考试，现在才完成环境的配置，我完全是照着这位大佬博客首页做的，但是配置过程中，出现了各种问题，我也是各种解决，下面我会罗列我出现的问题和自己的一些理解和解决办法。需说明：每个人遇到的情况是不一样的。
配置YOLOv5环境
niyingsuimeng的博客
12-08 811
简单配置yolov5环境
【YOLO学习】YOLOV5的环境配置
Q小鑫
10-10 701
YOLOV5官方源码 链接：https://pan.baidu.com/s/1IS9MpGCi7MdO9ASxdn_3FA 提取码：zlil 也可以去GitHub进行下载 GitHub: Where the world builds software · GitHub 如果进不去的话可以进入它的镜像加速 GitHub: Where the world builds software · GitHub github官方源码YOLO5.0版本 GitHub - ultralytics/y...
深度学习目标检测：yolov5环境配置，适合0基础小白，超详细
笑脸惹桃花的博客
04-26 2万+
对于小白也很简单的yolov5环境配置
YoloV5 环境配置
搬砖猛女的啃书历程
07-07 572
yolov5的环境配置。包含预训练权重的下载和torch版本下载。
Yolov5环境配置win/Lin
qq_43248104的博客
06-21 605
1.首先确定自己的cuda版本，通过win+Rcmd进入命令行，输入nvidia-smi。进入cuda驱动官网，下载对应(高于)的驱动版本。1.去官网下载pycharm，勾选添加环境变量。下载对应版本的cudnn。1.下载yolov5。
[深度学习 - 目标检测] yolov5 环境配置
南城同学的博客
03-11 8355
1. 准备 1.1. 仓库地址 https://github.com/ultralytics/yolov5 1.2. 依赖环境 1.2.1. 安装 Conda 资源路径 https://docs.conda.io/en/latest/miniconda.html 添加 Anaconda 环境变量 D:\DevlopmentSoftwares\Anaconda3\Scripts D:\DevlopmentSoftwares\Anaconda3 D:\DevlopmentSoftware..
yolov3适用的pytorch环境
03-09
### YOLOv3的PyTorch环境配置 对于YOLOv3在PyTorch中的部署，确保环境满足Python 3、NumPy、OpenCV-Python等基本需求至关重要[^1]。为了使YOLOv3能够顺利运行于PyTorch之上，建议安装最新稳定版的PyTorch以及相关依赖库。 #### Python版本 推荐使用Python 3.x作为开发环境的基础，因为这是当前大多数机器学习框架支持的主要版本，并且能提供更好的性能和支持更多的第三方包。 #### 安装PyTorch及相关库 可以通过官方渠道获取最新的PyTorch发行版。具体命令如下： ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 ``` 此命令会根据用户的CUDA版本自动匹配合适的PyTorch构建。如果不需要GPU加速，则可以直接省略`--extra-index-url`参数来安装CPU-only版本。 除了PyTorch本身外，还需要额外准备一些辅助工具和库，比如用于图像处理操作的OpenCV-Python: ```bash pip install opencv-python numpy matplotlib scikit-image scipy cython ``` 这些软件包有助于数据预处理、可视化和其他实用功能，在实际应用中不可或缺。 #### 获取代码与权重文件 完成上述准备工作之后，可以从GitHub上拉取YOLOv3项目的源码仓库，并按照说明下载对应的预训练模型权重文件。这一步骤通常涉及git clone命令以及可能的手动下载链接访问。 #### NMS模块编译（可选） 针对某些特殊应用场景或者追求更高效率的情况下，可以选择性地编译非极大值抑制(NMS)算法的相关C++扩展部分。不过这对于一般用途来说并非必需项，仅当遇到性能瓶颈时考虑优化路径之一。 ```python import torch print(torch.__version__) ``` 以上就是关于YOLOv3搭配PyTorch所需环境的具体设置方法概述。遵循上述指引应该可以帮助顺利完成整个过程。
评论 4
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

打赏作者

wangjingyuzero

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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