yolov4环境配置遇到的问题

已于 2022-04-20 00:07:44 修改
阅读量1k 收藏
点赞数
分类专栏： conda教程 文章标签： python
于 2022-04-19 16:03:37 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/weixin_43476632/article/details/124264033
版权

conda就是管理自己的环境

关于conda环境的配置，看这一篇就够了 - 哔哩哔哩

requirements里面需要的版本不一定要和自己的环境一致，应该是相近就行

1.复现别人 的代码：先创建一个环境指定python版本，然后去找对应的torch

https://download.pytorch.org/whl/

2。安装别人代码所需的环境。有的库环境需要与自己的python版本和torch的版本对应

        2.1   torch和torchvison对应

 对应关系：​​​​python 、torch、torchvision版本对应关系及安装教程_Fzc_PCL的博客-CSDN博客_python对应torch版本
 https://download.pytorch.org/whl/torchvision/

https://download.pytorch.org/whl/torch_stable.html

   2.2 scipy和python版本的对应

https://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy

  2.3  pycocotools与python对应

Links for pycocotools-windows

Cuda ，CuDnn，driver

driver驱动决定了能装得cuda的版本的上限，一般装最新的就行。

cuda有两种决定我们装哪个pytorch的是CUDA的运行API版本也就是cuda Toolkit

输入命令conda list能查看自己 的cuda ToolKit版本

(1条消息) NVIDIA显卡驱动版本，CUDA版本，cudnn版本之间关系及如何选择_仟人斩的博客-CSDN博客_cudnn和cuda的版本关系

安装Pytorch如何选择CUDA的版本_赤坂·龙之介的博客-CSDN博客_cuda版本选择


CUDA与CUDNN_五叶23333的博客-CSDN博客_cuda cudnn

高
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
YoloV4实战：手把手教物体检测——YOLOV4（pytorch）
AI浩
07-22 1万+
摘要 YOLOV4在coco上面达到了43.5%AP ，在Tesla V100 上达到了65FPS。相比今年的其它模型，得分不算高，但是它不是通过提高输入图像的分辨率来提高得分的，而是改进网络结构。创新点主要有一下几个方面： （1）输入端：这里指的创新主要是训练时对输入端的改进，主要包括Mosaic数据增强、cmBN、SAT自对抗训练。 （2）BackBone主干网络：将各种新的方式结合起来，包括：CSPDarknet53、Mish激活函数、Dropblock （3）Neck：目标检测网络...
yolov4重点解读
qq_41558173的博客
05-10 1331
一、数据增强 数据增强的目的是增加输入图像的可变性，从而使设计的物体检测模型对从不同环境获得的图像具有更高的鲁棒性。 一些从事数据增强的研究人员将重点放在模拟对象遮挡问题上。他们在图像分类和目标检测方面取得了良好的成果。例如，random erase[100]和CutOut [11]可以随机选择图像中的矩形区域，并填充零的随机或互补值。至于hide-and-seek[69]和grid mask[6]，他们随机或均匀地选择图像中的多个矩形区域，并将其替换为所有零。如果类似的概念应用于要素地图，则有DropOu
YOLOv4的cfg参数及训练
Ken的博客
07-30 1万+
cfg参数 net层 [net] batch=96 # 每次iteration训练的时候，输入的图片数量 subdivisions=48 # 将每一次的batch数量，分成subdivision对应数字的份数，一份一份的跑完后，在一起打包算作完成一次iteration width=512 # width=height，大小为32的倍数 momentum=0.9 # 动量，影响梯度下降到最优的速度，一般默认0.9 decay=0.0005 # 权重衰减正则系数，防止过拟合 angle=0 # 旋转角度，生成更
【YOLO】YOLOv4训练自己的数据集
qq_44703886的博客
01-15 1万+
虽然在笔者写这篇博客的时候，YOLOv5已经问世，但是看到许多博客都说YOLOv4效果更佳，具体如何，笔者得亲测才能认同。 YOLOv4论文链接 YOLOv4代码链接 环境搭建 1. 创建虚拟环境并激活 conda create -n yolo4 pip python=3.6 conda activate yolo4 2. Requirements 安装必要的依赖项 根据github： conda install cudatoolkit=10.0 conda install cudnn=7.6.5
在Windows环境下配置、安装GPU版本YOLOv4(超详细)
weixin_41827033的博客
02-10 794
https://zhuanlan.zhihu.com/p/246816303?utm_source=wechat_session 文章有点旧，改装了个cuda11 和 cudnn-11.2-windows-x64-v8.1.0.77， VS2019 release & x64 编译完后，下载权重文件 https://pjreddie.com/media/files/yolov3.weights 把weights文件放入文件夹C:\darknet\build\darknet\x64下，打开命令行，切到
史上最详细yolov5环境配置搭建+配置所需文件
热门推荐
想到好名再改的博客
07-31 19万+
yolov5的配置过程总体来说还算简单，但是网上大部分博客都没有仔细介绍具体步骤，本文将从最细节的层面记录yolov5环境配置的全过程 使用到的工具有 1.anaconda，pycharm 2.cuda10.2+cudnn-10.2-windows10-x64-v7.6.5.32+pytorch1.5.1+。。。。。。。。 ps（pytorch只要大于等于1.5.1即可，本文将在之后说明安装步骤） 所需资源： 本博客免费提供所有win10的cuda和cudnn，百度云，提取码：elpt 以及权重文件百度云，
yolov8环境配置可能遇到的问题
2301_79578379的博客
04-13 2239
YOLOv8环境配置中可能出现的问题以及应对方法
yolov5环境配置可能遇到的问题
2301_79578379的博客
03-07 2329
yolov5环境配置可能遇到的问题汇总
Windows+YOLOV8环境配置
03-23
YOLO（You Only Look Once）是一种著名的实时目标检测系统，其最新版本YOLOv8在Windows环境下进行配置可能对许多用户来说是一项挑战。本篇文章将详细介绍如何在Windows操作系统上搭建YOLOv8的运行环境。 首先，理解...
ubuntu1804 qt调用yolov4源码
02-25
在开发过程中，你可能会遇到如内存管理、多线程、GPU加速等问题，这些都是在实际应用中需要考虑的关键点。同时，为了优化性能，可能需要对代码进行调试和性能分析，例如使用gprof进行性能监控。 总的来说，这个项目...
yolov4的自有仓库
11-10
3. **常见问题汇总.md**：这份Markdown文档很可能包含了用户在使用此YOLOv4实现时可能会遇到的问题及其解决方案，对于开发者和使用者来说是非常有用的参考资源。 4. **README.md**：这是项目的主要介绍文件，通常...
yolov8环境配置加训练自己的数据集保姆级教程（2024）
06-24
YOLOv8是YOLO系列目标检测模型的最新...以上就是YOLOv8环境配置及训练自己数据集的保姆级教程。请确保每个步骤都按照说明进行，遇到问题时查阅官方文档或在线社区寻求帮助。祝你训练顺利，实现高精度的目标检测模型！
yolov4.rar
07-07
7. 环境配置： - 为了运行此项目，需要Python 3.7或更高版本，PyTorch 1.2或更高版本，OpenCV库以及CUDA 10.0用于GPU加速。确保这些库都正确安装并配置好，才能顺利进行训练和测试。 8. 训练流程： - 首先，需要...
使用Python的Turtle库绘制动态风车
最新发布
爱写代码的小朋友
07-20 174
python绘制风车
华为od机试真题 — 代表团坐车(Python)
学习,你不是一个人在战斗 ～ 961302305（QQ,微信）
07-17 583
【华为od机试真题 】代表团坐车(Python) 某组织举行会议，来了多个代表团同时到达，接待处只有一辆汽车可以同时接待多个代表团，为了提高车辆利用率，请帮接待员计算可以坐满车的接待方案输出方案数量。
【Python如何将字符串连接在一起并使用`join()`方法】
qq_36253366的博客
07-19 248
方法是字符串对象的方法，而不是列表或元组等序列类型的方法。因此，你需要先指定一个用作分隔符的字符串，然后调用这个字符串的。方法将字符串连接在一起，你需要首先确保这些字符串被存储在一个序列类型中（如列表或元组），然后调用这个序列的。方法是一个字符串方法，它用于将序列（如列表、元组等）中的元素以指定的字符连接生成一个新的字符串。列表中的所有字符串元素使用空格作为分隔符连接成一个新的字符串。方法，并将你想要作为分隔符的字符串作为参数传递给。方法，并将包含要连接字符串的序列作为参数传递。
Python每日一题：回文数
xiongxiaoxuan的博客
07-16 281
回文数是指正序（从左向右）和倒序（从右向左）读都是一样的整数。例如，121 是回文，而 123 不是。给你一个整数 x ，如果 x 是一个回文整数，返回 true；否则，返回 false。解释：从左向右读, 为 -121。从右向左读, 为 121-。因此它不是一个回文数。先将整数x转化为字符串形式，判断x和它的反转形态是否完全相等。解释：从右向左读, 为 01。需注意：True和False首字母大写！提示：-231
IPython 日志秘籍：%logstate 命令全解析
2401_85812026的博客
07-17 569
logstate命令是 IPython 日志系统的重要组成部分，它帮助我们掌控日志记录的状态。通过本文的介绍，你应该对如何在 IPython 中使用%logstate查看日志状态有了更深入的理解。记住，合理利用日志系统，可以让你的数据探索过程更加透明和可追溯。本文详细介绍了 IPython 的%logstate命令，包括其基本概念、基本用法、输出解析以及实战示例。希望本文能够帮助读者更好地利用 IPython 的日志系统，优化数据探索和科学计算的工作流。记住，掌握%logstate。
yolov8环境配置一样吗
09-17
yolov5环境配置过程是通过安装相关的包和依赖来实现的。根据引用中的描述，这个过程包括利用labelimg制作数据集、xml文件转换和数据集划分、代码和包的修改、环境安装和依赖的安装、运行train和detect等步骤。在引用...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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
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