1.查看cuda环境
nvidia-smi 12.3
2.安装annoconda3与vs与chrom
3.安装pycham(pycharm需要重新启动?)
4.下载cuda
https://developer.nvidia.com/cuda-toolkit-archive
选择合适的版本 这里选择11.7
安装时记住安装位置
安装完成后,查看nvcc-V
不成功的话就添加path
添加cuda的path 添加anconda的path
5.安装cuDNN
https://developer.nvidia.com/cudnn-downloads
https://developer.nvidia.com/rdp/cudnn-archive#a-collapse897-118
下载后解压,将这三个文件夹复制到CUDA的安装目录中
添加下面的四个路径到环境变量中
验证是否安装成功 ,在命令行中进入下面的目录,分别执行图中的exe文件,使用命令.\xxxx.exe执行。看到下面中的PASS ,代表安装成功了
6.创建python38虚拟环境
启动conda create -n yolo python=3.9
可能会出现报错conda不是内部的命令等情况
将annocada的地址添加到path中
换源
conda config --add channels r
重写文件
channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
show_channel_urls: true
搞定之后装pytorchhttps://pytorch.org/get-started/previous-versions/
conda install pytorch==2.2.1 torchvision==0.17.1 torchaudio==2.2.1 pytorch-cuda=12.1 -c pytorch -c nvidia
成功之后进行yolov5训练,
https://pan.baidu.com/s/11c49TfGtqAzHAEX3WdEBwA?pwd=3rzb 提取码:3rzb
将yolo5s.pt放到根目录
把coco数据集放在yolov5的平行目录
然后开始训练
python train.py --img 640 --batch 8 --epochs 100 --data ./data/coco128.yaml --cfg ./models/yolov5s.yaml --weights ./yolov5s.pt