YOLOV5自主训练-环境搭建

YOLOV5自主训练-环境搭建

一、前言

1.yolov5 简介

YOLO 是 “You only look once” 缩写 , 是将图像划分为网格系统的对象检测算法，网格中的每个单元负责检测自身内的对象。由于其速度和准确性，YOLO是最著名的目标检测算法之一。它将单个卷积神经网络(CNN)应用于整个图像，将图像分成网格，并预测每个网格的类概率和边界框。YOLO非常快。由于检测问题是一个回归问题，所以不需要复杂的管道。它比“R-CNN”快1000倍，比“Fast R-CNN”快100倍。YOLOv5是YOLO最新的版本。

2.关于anconda 与 pycharm

Anconda本质是一个开源的python包管理器，包含了180多个科学包及其依赖项。而python自身缺少numpy、matplotlib、scipy、scikit-learn等一系列包，需要安装pip来导入这些包才能进行相应运算。Anconda除了提供丰富的科学包外，还可以用于进行环境隔离。当我们安装一个 Python 程序或者库的时候，这些包默认都会安装到 Python 当前环境的 site-packages 目录下面。然而，同一个库只能在一个环境中存在一份。后续可创建不同python版本的虚拟环境用于不同的程序使用。

Pycharm本质是一个集成开发环境（IDE），能过让你快速运行调试代码。

二、anconda 安装

官网下载后点击安装



安装路径尽量不要出现中文，避免一些奇怪的错误
安装路径要记住了，之后如果选择手动配置环境变量需要用到

勾选以上两个选项

安装完成后检查环境变量是否正常添加，若没有则手动添加如下：
D:\File\Anconda
D:\File\Anconda\Scripts
D:\File\Anconda\Library\bin
D:\File\Anconda\Library\mingw-w64\bin

找到自己安装包文件对应位置，添加以上环境变量

测试：
win + r 调出运行窗口后，输入cmd进入命令行窗口
在命令行窗口输入 conda --version 查看 anconda的版本，或者输入python运行anconda的内置python。有如下结果，说明安装成功（警告没有没什么影响）

三、pytorch安装

1.查看cuda版本

命令行输入nvidia-smi，查看自己CUDA的支持版本

例如我的CUDA Version：11.7
接着查看当前本机上 CUDA 的 runtime 版本信息，打开命令行窗口，输入如下命令：
nvcc -V

需要注意的是，不一定需要使得 runtime 版本的 CUDA与驱动版的 CUDA 相一致。例如我这里下载和安装的就是CUDA11.6的版本

2.创建虚拟环境

创建虚拟环境：conda create -n [虚拟环境名] python=[版本]

输入y之后会出现如下界面：

输入conda activate [虚拟环境名]代码，进入[虚拟环境名]环境

3.安装对应版本pytorch

进入pytorch官网，选择对应版本

复制以上命令 conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia到虚拟环境安装

按照提示安装相关资源包
然后通过以下操作验证是否成功

四、pycharm安装

进入pycharm官网下载安装包

按照提示点击安装

为Pycharm配置解释器

五、yolov5 下载

1.yolov5的源码下载

2.配置依赖

命令行进入到上述创建的虚拟环境中，输入以下命令进行安装

pip install -r requirements.txt

3.yolov5s.pt 权重文件下载

https://github.com/ultralytics/yolov5/releases

六、测试

yolov5源码文件夹下cmd 输入以下命令进行测试

说明

1.最后一步测试，可能会报如下错误：
AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘
可参考原博主文档
解决方法1：
1.

降低torchhe和torchvision版本，比如上图所示我的torch版本1.11.0 torchvision版本0.10.2，torch版本降低到版本1.9.1，torchvision版本降低到版本0.10.1。这是一种解决办法，但是要重新pytorch，我就嫌很麻烦，配置安装过程中可能又出现各种问题，所以我没有重新安装，采用了下面的这种方法

解决方法2：

这个问题只要顺着路径找到文件upsampling.py并打开，修改里面的代码即可解决，见下：


操作修改代码后，将原始的代码注释后保存，在运行代码就可以正常运行了。

常用命令：
conda常用的命令。

1 ) conda list确认安装了哪个软件包。

2 ) conda env list或conda info -e确认当前存在什么虚拟环境

3 ) conda update conda检查更新当前conda

创建虚拟环境：conda create -n [虚拟环境名] python=[版本]
显示虚拟环境：conda env list
激活虚拟环境：conda activate + [虚拟环境名]
退出环境 conda deactivate [虚拟环境名]

#在创建环境的同时安装必要的包
conda create -n your_env_name numpy matplotlib python=x.x
#在指定的虚拟环境中安装额外的包
conda install -n your_env_name package_name

删除虚拟环境。

conda remove -n your_env_name --all
删除虚拟环境中的某个包：
conda remove --name your_env_name package_name

设置国内镜像
conda下载东西时，默认的镜像源下载的速率很慢，修改conda的镜像源能够加快下载速度。一些设置镜像的操作如下：
(1).查看已添加的镜像
conda config --get channels

(2).换回默认镜像
conda config --remove-key channels

(3).添加清华镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/

在添加镜像时选择其中任意一个即可
(4).设置搜索时显示频道地址
conda config --set show_channel_urls yes

(5).删除指定镜像
conda config --remove channels 地址

(6).确认镜像添加成功
conda config --get channels