yolov5 win10 CPU与GPU环境搭建过程

时间:2022-04-05 20:05:25

前言

最近实习任务为黑烟检测,想起了可以尝试用yolov5来跑下,之前一直都是用的RCNN系列,这次就试试yolo系列。

一、安装pytorch

1.创建新的环境

打开Anaconda Prompt命令行输入
创建一个新环境,并激活进入环境。

?
1
2
3
4
# 创建了名叫yolov5的,python版本为3.8的新环境
conda create -n yolov5 python=3.8
# 激活名叫yolov5的环境
conda activate yolov5

2.下载YOLOv5 github项目

下载地址为:

?
1
https://github.com/ultralytics/yolov5

如果安装了git可以使用git clone https://github.com/ultralytics/yolov5,没有的话直接下载zip压缩包也行,把压缩包解压到指定目录就行。

3.安装相关依赖库和包

查看一下requirements.txt 里面的内容并下载所有的依赖包
依次安装,建议可以用清华源进行安装:
先把清华源设置成默认:

?
1
2
pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

再依次安装:

?
1
2
3
4
5
6
7
8
pip install tqdm
pip install scipy
pip install pyyaml
pip install matplotlib
pip install opencv-python==4.1.2.30
pip install requests
pip install seaborn
pip install pandas

安装pytorch需要注意一下:
还是要先换源:

?
1
2
3
4
5
6
7
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/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

然后再用下面的命令代码确认

?
1
conda config --set show_channel_urls yes

之后进入官网https://pytorch.org/找到合适的版本,如果你是安装cpu版
yolov5 win10 CPU与GPU环境搭建过程
运行conda install pytorch torchvision torchaudio cpuonly

如果你是安装GPU版
yolov5 win10 CPU与GPU环境搭建过程

运行conda install pytorch torchvision torchaudio cudatoolkit=10.1
这里个人的计算机配置不一样,就拿我的来说cuda10.1可以运行,cuda11无法运行GPU版,这里可以多试几次找到适合自己的版本。

4.验证

在刚刚建好的yolov5环境下启动python

?
1
2
3
4
5
python
#输入库
import torch
#查看版本
print(torch.__version__)

CPU版如果到这步不报错,就说明安装成功了。

GPU版需要再运行一些代码查看

?
1
2
3
4
#查看gpu是否可用
torch.cuda.is_available()
#返回设备gpu个数
torch.cuda.device_count()

一切正常的话,GPU版的pytorch就安装成功了

二、运行detect.py文件

在建好的yolov5环境下输入:

?
1
python detect.py

会默认下载最小的yolov5s.pt文件
检测结果如下:
yolov5 win10 CPU与GPU环境搭建过程
yolov5 win10 CPU与GPU环境搭建过程

总结

总的来说还是比较简单的,除了yolov5s.pt模型,yolov5还有

yolov5 win10 CPU与GPU环境搭建过程

V3.1权重文件下载不下来的,可以通过下面的链接下载

到此这篇关于yolov5 win10 CPU与GPU环境搭建过程的文章就介绍到这了,更多相关yolov5 win10 CPU与GPU环境搭建内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家!

原文链接:https://blog.csdn.net/JulyLi2019/article/details/111666353