Windows下配置yolov5并且实现cpu以及安装CUDA和cudnn实现gpu运行

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

一个简单的yolo部署教程，顺便记录一下本人的操作过程

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、准备工作

1.准备好anaconda作为python库管理软件

这里自行百度搜索Anaconda，并且下载最新的安装文件。如果遇到下载慢的问题，这里提供我的百度网盘下载地址：

链接：https://pan.baidu.com/s/1b4wNuhJCRmGD-fnrpnHVnw?pwd=ov3m 
提取码：ov3m 

根据ultralytics大神在github上的说明，yolov5最好使用python>=3.8版本，所以我才用python3.9版本。在anaconda中首先安装对应的python。

conda install python3.9
#根据终端中的提示安装好python3.9
conda create -n yolov5 python3.9
#创建一个名为yolov5的虚拟环境，指定python版本为3.9

2.部署源码

最好能够科学上网，因为git到github可能会时不时出现问题。或者实在没有办法科学上网的，可以在凌晨试试登录github直接下载zip文件然后解压缩到电脑。

这里提供两个下载地址，一个是deepsort项目，另一个是ultralytics大神的源项目

git clone https://github.com/ultralytics/yolov5  # clone 
#或者
git clone --recurse-submodules https://github.com/mikel-brostrom/Yolov5_DeepSort_OSNet.git
#这里提供两个项目单纯是因为本人想要顺便记录一下我的历程

3.安装依赖库

将源码部署到本地电脑后，进入到yolo文件夹下

cd /{你的部署路径}/Yolov5_DeepSort_OSNet/yolov5 #这个是deepsort项目版本
#或者
cd /{你的部署路径}/yolov5

如下图所示：(我创建的虚拟环境名为deepsort，根据你们自己的虚拟环境来)

在资源管理器中可以看到这个requirements.txt文件，里面就包含了所需要安装的库文件。

#安装依赖库
pip install -r ./requirements.txt #漫长的等待过程，可能会有一些库安装失败，先不要着急，后面再手动安装
#对于失败的库，打开requirement.txt文件，查看必须要安装的依赖库。
#比如安装matplotlib失败了，那就pip install matplotlib或者conda install matplotlib

二、切换GPU和CPU

1.CPU

在完成上述步骤后，默认启动的就是CPU版本。输入以下命令以启动yolo检测程序。

#首先cd到存放yolov5的目录下，并且激活之前安装的虚拟环境
conda activate yolov5 
python ./detect.py --source 0

等待一会后就会打开摄像头进行检测。

2.GPU

1.首先删除之前安装的torch和torchvision库文件。

conda uninstall torch
conda uninstall torchvision

2.安装对应的CUDA和cudnn

通过英伟达控制面板查看CUDA的版本，然后去官网下载对应的版本。

CUDA链接：https://developer.nvidia.com/cuda-toolkit-archive

选择对应的版本后下载

安装完成CUDA后继续安装cudnn，可能需要注册一个英伟达的账号才能下载。选择刚才下载对应的版本，比如没有CUDA11.6就选择11.x系列的cudnn进行安装。
cudnn链接: https://developer.nvidia.com/rdp/cudnn-archive

下载后解压缩得到：

将上面三个文件夹复制到你安装的CUDA路径中

然后打开高级系统设置，选择环境变量。将下面四个加入到系统变量中

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\lib

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libnvvp

在cmd中输入： 来查看是否安装成功

nvcc --version

3.去pytorch的官网下载对应版本的gpu版本的库文件

复制底下那行安装命令到虚拟环境进行下载

##这是一个漫长的等待过程。。。
在等待其安装的过程中，可以打开yolov5下的detect.py文件，修改默认调用GPU。
修改下图划红线位置

全部安装完成后输入：

python detect.py --source 0    #即可调用GPU进行检测

总结

总的来说，如果你有科学上网的工具，那整个过程相对来说还是比较简单的。如果遇到网页进不去的情况，等一会或者在凌晨的时候再试试，一般就能解决问题。

如果遇到任何问题，欢迎在评论区留言，或者联系我的QQ1633636324，虽然我也只懂一点点~~
（备注说明来意哦）