yolov5，如何使用CPU/GPU运行——安装环境及依赖（详细，简单易懂）

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

目录

1.项目下载到本地

2.进行环境的配置

3.使用CPU运行项目

4.使用GPU运行项目

（1）安装CUDA

（2）torch换成GPU版

总结

---

1.项目下载到本地

  从GitHub上下载项目，这个是官方的yolov5

GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLiteYOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite. Contribute to ultralytics/yolov5 development by creating an account on GitHub.https://github.com/ultralytics/yolov5https://github.com/ultralytics/yolov5

点击右上角的code，然后点击Download Zip ，浏览器会自动开始下载

​

找到下载路径，解压完后，在文件夹上点右键用pycharm打开

​打开之后，可以看到redme文件，一般这里写的是项目的运行方式，不过这个由于是yolo官方的项目，写的都是一些模型的介绍，可以不看，文件夹里也有中文版的

​

2.进行环境的配置

初来乍到，我们没有环境，也就是运行项目所需要的库，首先新建虚拟环境，python版本必须>=3.9，因为yolov5的依赖项运行至少需要3.9的python版本，我这里选择3.9。​

然后我们找到名为requirements.txt的文件，中文翻译叫做“必要条件”，这里面记录了项目运行所需的库。可以看到最上面有一行安装命令，使用此命令可以直接安装txt文件中所有库的指定版本，也就是项目所需的版本。 ​

我们直接把命令复制到终端，加上清华镜像源 -i https://pypi.tuna.tsinghua.edu.cn/simple 安装

​

​

出现warning警告，意为：由于编码错误，忽略setup.cfg中的distutils配置

解决方法：

打开控制面板，进入 时钟和区域

​

点击区域

​

在管理中点击 更改系统区域设置

​

把Beta版勾上，点确定

​

这个操作需要重启电脑生效，等到环境安装完以后还要再来这里把这个勾去掉，然后再重启

再次输入安装代码，安装顺利结束

​

现在我们已经配好环境了，可以进行项目运行

3.使用CPU运行项目

我们找到这两个文件，一个是detect.py，一个是train.py

​

train.py的功能是 训练模型，生成模型权重

detect.py的作用是 调用权重文件，进行目标检测、

注意此时文件夹里并没有.pt文件

我们来试着运行train.py   

在运行之前，先来到train.py的第448行，这一行控制epochs 迭代次数，把default改成3​

然后运行

如果你的电脑上没有装git，运行时会出现git xxx 报错，

在代码开头加上这一行指令可解决
os.environ['GIT_PYTHON_REFRESH'] = 'quiet'

运行开始时，有CPU字样，代表项目是使用CPU运行的

​

运行后，会从网上下载一些预训练权重，可能比较慢，下载完可以看到模型结构

​

运行结束，可以看到运行结果保存在了runs文件夹下

​

训练完后，出现,pt权重文件

此时运行detect.py 

运行成功

4.使用GPU运行项目

请在看完3.CPU运行方法后再看这一节

首先我们要知道pycharm使用GPU训练 需要哪些东西：

首先是CUDA，CUDA是英伟达发行的深度学习依赖，安装这个依赖才能在pycharm中调用GPU

其次是把环境中的框架（yolov5为pytorch）从CPU版换成GPU版

最后在train.py中 更改控制驱动器的参数  就成功设置成GPU运行了

（1）安装CUDA

首先查看自己的显卡支持的cuda版本：

按下win+R，输入cmd，回车。进入到cmd命令行

注意， 一些人的conda配置有些问题，导致cmd命令行不支持conda系列指令，这种情况可以打开conda命令行输入，效果也一样

输入 conda search cuda

可以看到出现了一列 cudatoolkit 以及 version版本号

cudatoolkit是安装CUDA和以及CUDA支持的整合包（注意，其中不包含cuDNN），而这些版本就是自己的显卡所支持的cuda版本

进入英伟达官网下载cudatoolkit

在这里找到对应的版本，建议选支持的版本里最新的，我这里是11.8.0

点击前面的版本号

在跳转的界面里选择自己电脑的系统，最后一项选后面的exe（network）

local是离线安装包，很大，network是在线安装包，联网状态直接选network就可以

最后点击download下载

！！！注意，这里的路径是临时存储路径，在下载完成后就会自动清除，不是文件的最终路径

这个路径可以随便设置，不改也行

同意并继续

这里直接选精简安装就可以

勾上，下一步

等待下载完直接安装就可以了，因为我已经安装过了，就不重复安装了

如何检查自己cuda是否装好呢，打开这个路径 C:\Program Files

如果可以找到NVIDIA GPU Computing Toolkit这个文件

并且点进去有CUDA这个文件，就说明安装成功了

之后我们配置环境变量

把如下4行路径添加到环境变量中，之后cuda就算配好了

（2）torch换成GPU版

由于我们已经装好了环境（没装的看上面的CPU运行方法里有）

所以我们只需要将其中的pytorch卸载掉，然后装对应的版本就可以，别的库不用动

打开pycharm，在设置中找到当前环境

选中torch和torchvision，点上面的减号删除

然后我们来到pytorch的官网，里面有针对cuda版本的torch版本

pytorch官网网址

全是英文，但我们不用慌，我们要找的是pip开头的代码，往下划可以找到

找到linux and windows下，自己cuda版本的代码，我这里是11.8 

注意是pip开头的代码，不是conda开头的代码

复制代码

在终端输入代码，运行，注意这一行不要加镜像源

很大，有2.7G，网不好的情况下可能下的很慢，但是没有办法，只能慢慢下

如果出现waring，参考前面CPU部分的处理方法

安装完毕后，就只剩最后一步了

打开train.py 来到466行左右，找到device，将default参数改为字符型的‘0’，注意加引号

然后直接运行train.py

这次可以看到显卡型号和GPU，说明已经成功调用GPU了

运算速度相当快

运行detect.py

成功

总结

博客编写不易，求点赞收藏。yolov5很适合作为计算机视觉入门项目，但是在自己修改模型之前，项目的导入、配置对初学者来说，是一个比较繁琐的过程。博主这篇博客希望能够对初入项目领域的初学者起到一些帮助，希望能够在配置环境，安装依赖的过程中，起到参考作用。有任何问题，可以在评论区留言。