配置yolov5s等深度学习环境

1.参考以下链接,安装anaconda:
https://www.bilibili.com/video/BV1z24y1b7Qm/?p=2&spm_id_from=pageDriver
2.参考以下链接,安装vscode+编译器选择+anaconda环境变量更改
https://www.bilibili.com/video/BV1bQ4y1n7sn?p=4&vd_source=57e45c6d673d6cbd7f32de3f945fc220

3.参考以下链接教程,安装好cuda11.3.0,cudnn8.2.1

Win10配置Yolov5虚拟环境之(安装CUDA和cuDNN和pytorch)_虚拟环境下载的cuda在哪-优快云博客

4.在anaconda prompt终端,运行以下命令安装与cuda与cudnn版本相匹配的pytorch

conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch

5.由于yolov5s中requirements.txt配置起来总是自动安装最新版本,因此,这里提供一个适合yolov5s-6.1版本的requirements.txt文件,省得运行起来各种报错,具体如下:

# pip install -r requirements.txt

# Base ----------------------------------------

matplotlib==3.5.2

numpy==1.19.5

opencv-python==4.9.0.80

Pillow==9.5.0

PyYAML==6.0.1

requests==2.25.1

scipy==1.10.1

torch==1.11.0

torchvision==0.12.0

tqdm==4.61.2

timm==0.9.16

einops==0.7.0

# Logging -------------------------------------

tensorboard==2.9.1

# wandb

# Plotting ------------------------------------

pandas==1.2.5

seaborn==0.11.0

# Export --------------------------------------

# coremltools==4.1  # CoreML export

# onnx==1.9.0  # ONNX export

# onnx-simplifier==0.3.6  # ONNX simplifier

# scikit-learn==0.19.2  # CoreML quantization

# tensorflow==2.4.1  # TFLite export

# tensorflowjs==3.9.0  # TF.js export

# openvino-dev  # OpenVINO export

# Extras --------------------------------------

# albumentations==1.0.3

# Cython  # for pycocotools https://github.com/cocodataset/cocoapi/issues/172

# pycocotools==2.0  # COCO mAP

# roboflow

thop==0.1.1.post2209072238  # FLOPs computation

### YOLOv5s 环境配置教程 #### 一、安装依赖项 为了成功运行YOLOv5,需确保环境中已安装必要的Python包和其他依赖项。以下是具体操作方法: 1. **克隆YOLOv5仓库** 首先从GitHub上获取YOLOv5项目的源码文件: ```bash git clone https://github.com/ultralytics/yolov5.git cd yolov5 ``` 2. **创建虚拟环境并激活** 推荐使用`virtualenv`或`conda`来管理独立的Python环境,以避免与其他项目冲突。 使用`virtualenv`的方式如下: ```bash python3 -m venv env_yolov5 source env_yolov5/bin/activate ``` 如果使用的是Anaconda,则可以执行以下命令: ```bash conda create -n yolov5_env python=3.8 conda activate yolov5_env ``` 3. **安装必要依赖** 运行以下命令以自动安装所需的Python库: ```bash pip install -r requirements.txt ``` 此外,还需要特别注意OpenCV的版本兼容性问题[^3]。如果遇到任何与OpenCV相关的错误,可以通过重新编译或者卸载旧版解决。 4. **验证CUDA和cuDNN支持** 若计划在GPU加速环境下部署模型,则需要确认系统已经正确设置了NVIDIA CUDA Toolkit以及对应的cuDNN SDK版本。通常推荐使用的组合为CUDA 11.x 和 cuDNN 8.x系列[^1]。 #### 二、测试推理功能 完成上述准备工作之后,可通过内置脚本进行简单的图像目标检测实验,以此检验当前设置是否正常工作。 ```python python detect.py --source data/images --weights yolov5s.pt --conf 0.25 ``` 这条指令会加载预训练权重文件(`yolov5s.pt`)并对指定路径下的图片实施预测分析过程[^2]。 --- ### 注意事项 - 在实际应用过程中,请务必遵守相关法律法规及数据隐私保护政策。 - 对于嵌入式设备如Jetson Nano/Xavier NX等平台来说,由于其资源有限,在构建开发工具链时可能需要额外调整某些参数或组件选项。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值