yolov5介绍和环境搭建

1. 环境搭建

1.1 安装Anaconda

        Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学 计算、数据分析的 Python 包。

Anaconda下载地址：

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

     官网镜像：https://repo.anaconda.com/archive/

这里选用Python3.6.5版本作为示例，选择对应的Anaconda版本进行下载，这里选择Anaconda3-

5.2.0-Windows-x86_64.exe。具体的版本对应关系参考博客：  bloghttps://blog.youkuaiyun.com/heivy/article/details/92992887?spm=1001.2101.3001.6650.2&utm_medium=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~default-2.pc_relevant_default&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~default-2.pc_relevant_default&utm_relevant_index=5

在安装过程中，勾选Add path选项。

 如果主机没有显卡，跳过 1.2 、1.3、1.6 三步，第 1.5 安装Pytorch时选择CPU版本，查看显卡类型，可在控制面板中打开，或在windows启动项下查找。

 1.2 检查显卡驱动

进入NVIDIA控制面板，在帮助标签项下系统信息中查看，找到自己的CUDA版本号，若版本号过低，先更新显卡驱动。

 1.3 CUDA和Cudnn的下载和安装

这里可以选择下载CUDA10.2，可以根据你当前系统选择对应的配置并下载，下载好后选择自定义安装，全部勾选下一步即可。

cuda官网下载,本机显卡驱动与cuda、cudnn、pytorch、torchvision安装版本对应表,以及完全卸载CUDA方法_锦鲤AI幸运的博客-优快云博客_cuda官网第一 : 根据本机NVIDIA显卡 Driver Version找到适合本机的CUDA首先Win+R，输入powershell，然后输入nvidia-smi指令既可查看本机Driver Version。也可以用其他方法查看本机的驱动版本，然后对应这下图下载所需要的CUDA版本防止时效性不能及时更新本文，点我进入本机与需要下载CUDA版本选择的官网第二步 : CUDA与cuDNN版本对应防止时效性不能及时更新本文，点我进入CUDA与cuDNN的版本对应官网第三步 : 根据CUDA选择https://blog.youkuaiyun.com/qq_37700257/article/details/120617200可参考以上文章。

接着下载Cudnn，地址：  Cudnn官网，

这里需要先进行注册才能下载，选择CUDA10.2对应的Cudnn版 本。

下载完成后，解压Cudnn包，复制文件夹中的内容，粘贴到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 目录下即可。

1.4 创建PyTorch环境

不同的项目需要不同的虚拟环境，可以处理不同版本的项目之间不兼容问题。

  进入Anaconda Prompt命令窗口

 打开anaconda prompt工具，输入以下内容：conda create -n PyTorch python=3.6

 如图，我的已经安装过，如果没有安装选择y，已安装选择n，PyTorch是虚拟环境的名字（--name）-n为缩写，  3.6是python版本。然后按y，继续安装各种依赖包。

创建成功后，输入以下命令：

conda info --envs

可以看见自己的所有环境，其中有刚才创建的PyTorch环境。

   配置清华TUNA镜像源，在Anaconda Prompt命令窗口中输入：conda config --set show_channel_urls yes

然后可以在C:\User\XXX下看到.condarc文件，用记事本打开.condarc文件，重写为以下内容：

show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud      bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud   menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud      pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud channels: - conda-forge - defaults

即可添加Anaconda Python免费仓库。

1.5 安装PyTorch

进入PyTorch官网：  PyTorch官网，官网会自动根据你的电脑，显示可以安装的版本，并给出命 令。

 CUDA11.6安装命令：

conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia

CPU安装命令：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

根据自己的系统选择。 复制以上命令，打开Anaconda Prompt命令窗口，进入刚才创建的环境(上面创建的叫PyTorch)，通过conda activate PyTorch激活。

 将刚才复制的命令粘贴过来即可下载安装。

  1.6 测试

打开Anaconda Prompt命令窗口，激活环境，进入python开发环境中。

conda activate PyTorch

python

import torch

torch.cuda.is_available()

为true及环境正常，如果为false就需要检查系统及版本。

此刻就可以进行数据整理，准备训练你的模型。