YOLOv7(已配置好anaconda,cuda,cudnn后的步骤)

1.代码(下载zip后解压)

https://github.com/WongKinYiu/yolov7https://github.com/WongKinYiu/yolov7

2.anaconda配置环境(以管理员身份打开anaconda prompt

(1)创建环境

conda create -n yolov7 python=3.8

(2)激活环境

activate yolov7

(3)在代码文件夹路径下

pip install -r requirements.txt

而后 pip list查看安装成功没有,以下进行torch版本更换。

如果完全按照requirements.txt来安装的话,会发现安装的torch版本并不是gpu版本,所以得重新安装gpu版本的才能用你的gpu来训练Yolov7

Pytorch下载官网:PyTorchAn open source machine learning framework that accelerates the path from research prototyping to production deployment.https://pytorch.org/到previous中去寻找对应自己cuda版本的pytorch,选择wheel下(linux and windows)的pip下载指令,我选择的是对应cuda 11.1的(其实我的cuda版本是11.2),复制pip指令,我用的指令(torch1.8.0版本):

# CUDA 11.1
pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

再通过pip list查看是否成功。

附加cuda与pytorch版本对应关系:PyTorch和CUDA版本对应关系 - 墨莲玦 - 博客园

eea1311f1fb44e268530876e48c91178.png

3.安装小工具(labelImg):用于制作VOC数据集时,对数据集进行标注的工具。

GitHub - heartexlabs/labelImg: LabelImg is now part of the Label Studio community. The popular image annotation tool created by Tzutalin is no longer actively being developed, but you can check out Label Studio, the open source data labeling tool for images, text, hypertext, audio, video and time-series data.LabelImg is now part of the Label Studio community. The popular image annotation tool created by Tzutalin is no longer actively being developed, but you can check out Label Studio, the open source data labeling tool for images, text, hypertext, audio, video and time-series data. - GitHub - heartexlabs/labelImg: LabelImg is now part of the Label Studio community. The popular image annotation tool created by Tzutalin is no longer actively being developed, but you can check out Label Studio, the open source data labeling tool for images, text, hypertext, audio, video and time-series data.https://github.com/tzutalin/labelImg下载zip后解压压缩包,注意路径一定不要有中文名称。

(1)以管理员身份运行anaconda prompt输入:

conda install pyqt=5 

(2)使用cd 命令进入刚刚下载解压的labelimg文件夹 【第一条指令执行完在终端是没有什么显示的,直接是下一条指令输入】

pyrcc5 -o resources.py resources.qrc
python labelImg.py

(3)第二条指令输入后可能出现以下两种错误

1.ModuleNotFoundError: No module named 'libs.resources'

解决办法 将resources.py文件放入libs文件夹,再输入python labelImg.py尝试。可能会在出错

a1433616dbaf4e9b8526b3aace6cef5c.png

 2.ModuleNotFoundError: No module named 'lxml'

 

 参考链接:(全程记录yolov7入门到实现训练)跟着炮哥yolov5教程自学yolov7,接触yolov7半天,成功实现训练

yolov7: 从搭配环境到训练自己的数据集

labelImg安装所遇到的那些坑

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
配置YOLOv7的环境,您需要执行以下步骤: 1. 安装CUDAcuDNN:首先,确保在您的系统上安装了支持CUDAcuDNN的NVIDIA显卡驱动程序。然后,根据您的系统和CUDA版本,安装相应的CUDAcuDNN库。 2. 安装Python环境:YOLOv7使用Python进行开发和训练。您可以使用Anaconda或者直接安装Python来设置Python环境。建议使用Python 3.6或更高版本。 3. 创建虚拟环境:使用conda或者virtualenv等工具创建一个独立的虚拟环境,以隔离YOLOv7的依赖。 4. 克隆YOLOv7仓库:从GitHub上克隆YOLOv7的代码仓库,可以使用以下命令: ``` git clone https://github.com/AlexeyAB/darknet.git ``` 5. 编译Darknet:进入克隆的目录,并根据您的系统和需求进行配置和编译。请按照仓库中的README文件提供的指导进行操作。 6. 下载预训练权重:从YOLO官方网站或者其他来源下载YOLOv7的预训练权重文件,并将其放置在适当的位置。 7. 配置文件:调整YOLOv7的配置文件以适应您的任务和数据集。您需要指定模型的超参数、数据集的路径等。 8. 训练模型:使用准备好的数据集和配置文件,开始训练YOLOv7模型。根据您的需求,您可能需要进行数据增强、调整学习率等操作。 这些步骤仅提供了一般的指导,具体的配置步骤可能会因您的系统环境、需求和数据集而有所不同。请仔细阅读相关文档和参考资料,确保正确配置YOLOv7环境。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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