从零开始在Linux服务器中搭建yolov5环境

由于部分需求，现需要在linux系统搭建yolov5环境，这里详细记录一下其过程。

一、安装NVIDIA驱动和Cuda10.2

1、NVIDIA显卡驱动下载地址

正常安装成功之后，首先需要根据显卡显卡驱动和gcc编译器，分别通过

1.查看显卡驱动
cat /proc/driver/nvidia/version

2.查看gcc编译器
  gcc --version。

2、Cuda10.2下载地址

下载完成之后会在当前路径下出现cuda_10.2.XXX_linux.run的文件，通过执行sh cuda_10.2.89_440.33.01_linux.run命令进行安装，首先出现界面之后输入accept回车，如果已经安装好驱动则只需要安装cuda-toolkit,把不需要安装的程序前面的X去掉即可，选中install回车即可安装。

将nvcc增加至环境变量，通过vim或者gedit修改，对应命令分别为vim ~/.bashrc和gedit ~/.bashrc，

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

将上述内容添加至文件的最后，最后通过source ~/.bashrc更新环境变量。
最后输入nvcc -V如果出现如下即表示安装成功。

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Wed_Oct_23_19:24:38_PDT_2019
Cuda compilation tools, release 10.2, V10.2.89

二、在Linux系统安装anaconda

anaconda下载地址

下载之后会得到一个Anaconda3-xxx.sh的文件，需要通过xftp或者winSCP传到服务器的安装路径当中。
执行如下命令开始安装，一路回车加yes即可。

bash Anaconda3-xxx.sh

如果需要添加环境变量，通过vim或者gedit修改，vim ~/.bashrc和gedit ~/.bashrc，再如下内容增加至文件的最后，

export PATH=/home/igi/anaconda3/bin:$PATH

然后再执行source ~/.bashrc命令更新环境变量。

然后执行anaconda-navigator或者source activate（需要添加anaconda路径至环境变量），如果没添加环境变量则需要绝对路径，即source /home/name/anaconda/bin/activate root。
博主只能通过第二个命令进入anaconda中，第一个命令会出现如下问题，如果有大佬知道还望指点。

在终端打python如下图所示，则说明anaconda安装完成!

三、通过anaconda创建虚拟环境

1、首先通过命令source activate进入anaconda中，conda create -n name python=3.7(name是你自己定义的),因为yolov5貌似需要python版本大于3.7以上，博主安装3.6的时候报错，其他版本未尝试。
2、创建成功之后，通过conda activate name进入刚创建的虚拟环境中，准备开始安装。

pytorch下载地址：安装命令：conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

安装完成之后，在终端输入python，随后输入以下代码：

import torch
print(torch.cuda.is_available())

如果输出True则表示安装成功。

四、下载cudnn和搭建yolov5环境

1、cudnn下载链接

按照对应的cuda版本下载linux版cudnn得到的tgz文件传到服务器中，

通过如下命令：

tar -xvf cudnn-10.2-linux-x64-v8.1.0.77.tgz
sudo cp cuda/include/* /usr/local/cuda/include
sudo cp cuda/lib64/*   /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

测试cudnn

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

2、yolov5源码
将下载好的服务器当中解压好，通过如下命令,

unzip yolov5-master.zip

随后通过cd 进入到yolov5的文件夹当中,执行如下命令安装所需的库即可：

pip install -r requirements.txt

我之前安装pycocotool时出现了错误，如果也有出现这种问题可以问我。
然后在终端输入python detect.py，如果出现如下代码及说明环境搭建完成！

Fusing layers... 
Model Summary: 224 layers, 7266973 parameters, 0 gradients
image 1/2 /home/igi/bamb/yolov5-bj1/data/images/bus.jpg: 640x480 4 persons, 1 bus, 1 fire hydrant, Done. (0.034s)
image 2/2 /home/igi/bamb/yolov5-bj1/data/images/zidane.jpg: 384x640 2 persons, 2 ties, Done. (0.015s)
Results saved to runs/detect/exp
Done. (0.183s)

最后可以在yolov5工程目录下出现runs/detect/exp/的预测结果图片。

五、参考

Linux Nvidia+Cuda10.2+Cudnn10.2 安装步骤