安装YOLOv5注意事项（待更新）

目录

一、安装Anaconda

二、安装CUDA

2.1一般方法

2.1.1安装CUDA

2.1.2安装CUDNN

2.1.3配置环境变量

2.2特殊情况

三、为YOLOv5创建环境

四、安装torch

4.1一般方法

4.2特殊情况

五、下载YOLOv5

六、错误及解决办法

---

总体思路：
1、安装Anaconda和PyCharm并配置相关环境变量
2、下载和电脑显卡相匹配的CUDA，并根据对应关系下载CuDnn
3、下载和CUDA对应的turch和torchvision

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

4、创建环境并使用轮子安装turch和torchvision
5、检查CUDA、torch是否可用

#测试torch是否安装成功
import torch
print("pytorch版本：",torch.__version__)
print("cuda版本：",torch.version.cuda)
print("GPU是否可用：",torch.cuda.is_available())
print("GPU设备名称：",torch.cuda.get_device_name())
print("可用GPU设备数量：",torch.cuda.device_count())
print("cundnn版本：",torch.backends.cudnn.version())

6、打开yolo项目，检查有哪些包缺失，并安装好
7、运行检验

一、安装Anaconda

Anaconda清华镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

        在镜像网站中选择适合自己的Anaconda版本下载并安装。

二、安装CUDA

2.1一般方法

        这种情况适合用户根据自己电脑配置来安装当前的最新版本，自定义程度较高。需要注意cuda和cudnn以及torch和torchvision版本之间的对应关系。

        touch和torchvision镜像下载地址：

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

        cuda和cudnn版本对应关系如下：

cuda	cudnn
11.5	8.3.3、8.3.2、8.3.1、8.3.0、8.2.1、8.2.0
11.4	8.2.4、8.2.2、8.2.1、8.2.0
11.3	8.2.1、8.2.0
11.2	8.2.1、8.2.0、8.1.1、8.1.0
11.1	8.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.5、8.0.4
11.0	8.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.4、8.0.3、8.0.2、8.0.1
10.2	8.3.3、8.3.2、8.3.1、8.3.0、8.2.4、8.2.2、8.2.1、8.2.0、8.1.1、8.1.0、8.0.5、8.0.4、8.0.3、8.0.2、8.0.1、7.6.5
10.1	8.0.5、8.0.4、8.0.3、8.0.2、7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0
10.0	7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0、7.4.2、7.4.1、7.3.1、7.3.0
9.2	7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0、7.4.2、7.4.1、7.3.1、7.2.1、7.1.4、7.1.2
9.1	7.1.3、7.1.2、7.0.5
9.0	7.6.5、7.6.4、7.6.3、7.6.2、7.6.1、7.6.0、7.5.1、7.5.0、7.4.2、7.4.1、7.3.1、7.3.0、7.1.4、7.1.3、7.1.2、7.0.5、7.0.4
8.0	7.1.4、7.1.3、7.0.5、6.0、5.1、5
7.5	5.1、5
7.0	4、3
6.5	2、1

        pytorch和torchvision版本对应如下：

pytorch	torchvision
1.10.1	0.11.2
1.10.0	0.11.0
1.9.1	0.10.1
1.9.0	0.10.0
1.8.1	0.9.1
1.8.0	0.9.0
1.7.1	0.8.2
1.7.0	0.8.0
1.6.0	0.7.0
1.5.1	0.6.1
1.5.0	0.6.0
1.4.0	0.5.0
1.2.0	0.4.0
1.1.0	0.3.0
1.0.1	0.2.2
1.0.0	0.2.1

2.1.1安装CUDA        官网https://developer.nvidia.com/cuda-downloads

        进入官网查找对应版本并下载CUDA安装文件

        下载好以后双击cuda_10.2.89_441.22_win10exe安装

        选择自定义 ，接下来每一步都默认

        注意：在下载CUDA组件时不要选择Visual Studio Integration

2.1.2安装CUDNN        官网https://developer.nvidia.com/cudnn

        在官网下载与CUDA版本相对应的CUDNN。

        解压后把里面的文件直接复制到CUDA Development的安装路径下。

2.1.3配置环境变量

        配置环境变量。在系统环境变量的PATH中加入以下变量。基本上带lib，bin，include的都要添加。

2.2特殊情况

通过安装指定版本实现傻瓜式配置。

使用的配置如下：

cuda	11.1
cudnn	8.2.1

        各个文件的命名及解释如下：

cuda_11.1.0_456.43_win10.exe

        在文件名中，cuda_11.1.0_456.43可能表示该CUDA运行时程序是针对CUDA 11.1版本的，而win10表示该程序是为Windows 10操作系统编译的。exe是Windows可执行文件的扩展名。 

 c118-cudnn-windows-8664-880121cuda11-archive.zip

        c118可能表示该cuDNN版本是第118个发布版本。windows-8664可能表示该cuDNN文件是为Windows系统32位版本编译的，而880121可能是该cuDNN版本的日期或编号。而cuda11可能表示该cuDNN版本与CUDA 11兼容。

 同样一路默认设置，自定义安装选项中不选Visual Studio Intergation。

三、为YOLOv5创建环境

Anaconda Prompt中键入

conda create -n yolov5 python=3.8
#python版本号前面的名字是自己自定义的

        之后会进行一段时间的下载，提前设置好镜像源的话会快一点。设置镜像源可以参考Pip以及Conda常用命令

        这是下载完成后的界面，接下来检测环境是否创建成功。

        输入下面的命令启动刚刚创建好的环境。

activate yolov5

命令行中前面的(base)发生改变就证明进入环境成功

输入

conda list

可以查看当前环境的配置

进入到YOLOv5源码所在路径，输入以下命令安装YOLOv5所需Python包

pip install -r requirements.txt

随后便可在Anaconda Navigator中查看环境啦

四、安装torch

4.1一般方法

        进入官网https://pytorch.org/get-started/locally/

        由于官网会根据你的CUDA版本自动匹配型号，所以这里无需选择，直接选择对应版本复制口令即可。

        注意：不要选择CPU版本。CPU版本安装后也可以使用，但是得不到CUDA套件的加速效果，因为前面安装CUDA就是为了后面进行GPU加速，此时如果选择了CPU版本，前面安装的CUDA相当于没用上。

        如果conda命令不能下载的话，建议使用旁边的pip3

        先使用activate命令进入到上一步创建好的yolov5环境中，然后复制命令到anaconda prompt中运行。

        成功开始下载。如果还不行，可以尝试右边的source下载（这个还没有尝试过）

        检验是否安装成功：

#测试torch是否安装成功
import torch
print("pytorch版本：",torch.__version__)
print("cuda版本：",torch.version.cuda)
print("GPU是否可用：",torch.cuda.is_available())
print("GPU设备名称：",torch.cuda.get_device_name())
print("可用GPU设备数量：",torch.cuda.device_count())
print("cundnn版本：",torch.backends.cudnn.version())

4.2特殊情况

        傻瓜式安装，进入镜像源下载对应版本的torch和torchvision

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

        使用的配置如下：

torch	1.8.1
torchvision	0.9.1

        各个文件的命名及解释如下：

 torch-1.8.1+cu111-cp36-cp36m-win_amd64.whl

       torch-1.8.1可能表示该可执行文件是针对Torch 1.8.1版本的，而cu111可能表示该可执行文件是针对CUDA 11.1版本编译的，而cp36-cp36m-win_amd64可能表示该可执行文件是为Windows 64位系统、使用CP36或CP37编译器、并使用AMD64架构进行构建的。.whl是Python包的默认格式，表示一个Python模块的二进制分发包。

torchvision-0.9.1+cu111-cp36-cp36m-win_amd64.whl

        torchvision-0.9.1可能表示该可执行文件是针对TorchVision 0.9.1版本的，而cu111可能表示该可执行文件是针对CUDA 11.1版本编译的，而cp36-cp36m-win_amd64可能表示该可执行文件是为Windows 64位系统、使用CP36或CP37编译器、并使用AMD64架构进行构建的。.whl是Python包的默认格式，表示一个Python模块的二进制分发包。

        注意：由于torch和torchvision版本已经确定，而且已知这两个轮子(whl文件被称为轮子)需要在Python版本为3.6的环境下使用。因此，此时环境的Python版本必须为3.6，如果不满足条件，需要重新创建一个Python==3.6的环境。

        之后使用轮子的安装方式将两个包装到新创建的环境中。

五、下载YOLOv5

直接通过命令克隆官网文件

git clone https://github.com/ultralytics/yolov5

此时默认安装在了这个路径下

C:\Users\Lenovo\yolov5

或者官网自行下载

六、错误及解决办法

        待更新。。。不过遇到的大部分问题基本都在注意事项里提到了

注意事项：

• 一定要把YOLOv5文件放在全英文路径下

• 下载权重文件要注意对应版本：

        找到Tags页面，下滑对应找到你下载的YOLOv5版本，这里以5.0版本为例

        下滑到最底端，找到Assets栏

         在这里下载你需要的权重，下载好以后放到YOLOv5模型的目录下即可

•  增大自己的虚拟内存

        搜索环境变量 

         找到“性能”->“设置”->“高级”->“更改”

        这里选择你YOLOv5所使用的环境所在的盘，我是使用的Anaconda环境，我的Anaconda装在了E盘，所以我需要增加E盘的虚拟内存。

        勾选自定义大小，初始大小和最大值可以一样，也可以将初始大小定义小一点。