YoloV5训练环境配置
1. 安装、配置CUDA、cuDNN环境
本机配置: win11
+ NVIDIA GeForce RTX4050 Laptop GPU
+ "CUDA Version: 12.0"
+ 2.0.0+cu118
+ 0.15.1+cu118
+ python=3.9.16
IDE:Vscode
CUDA安装:CUDA Toolkit Archive | NVIDIA Developer
cuDNN安装:cuDNN Archive | NVIDIA Developer
查看系统支持CUDA
版本,打开nvidia
控制面板(桌面右键)->选择左下角的系统信息->组件
下载适合自己主机的版本
详细的安装过程参考:CUDA安装教程
查看CUDA
是否安装成功,
nvcc --version
OR
nvcc -V
cuDNN
下载完成之后进行解压之后,文件如下所示:
下载后发现其实cudnn
不是一个exe
文件,而是一个压缩包,解压后,有三个文件夹,把三个文件夹拷贝到cuda
的安装目录下。
CUDA
的安装路径在前面截图中有,或者打开电脑的环境变量查看,默认的安装路径如下:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
拷贝时看到,CUDA
的安装目录中,有和cuDNN
解压缩后的同名文件夹,这里注意,不需要担心,直接复制即可。cuDNN
解压缩后的同名文件夹中的配置文件会添加到 CUDA
安装目录中的同名文件夹中。【此处还是建议还是分别把文件夹的内容复制到对应文件夹中去】
2. 配置Anaconda虚拟环境
3. YoloV5项目
yoloV5项目:ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite (github.com)
权重文件地址:yolov5s.pt
下载项目之后,使用pip install -r requirement.txt
,下载安装对应的环境
运行detect.py
,可以看到runs
文件夹下生成检测结果