Yolov5环境配置 配不好来打我

Yolov5环境安装及配置详细教程

  • 文件准备
  • Pycharm下载链接
  • Anaconda下载链接
  • Yolov5源码下载地址链接
  • CUDA下载地址
  • CUDNN下载地址
  • 环境配置
  • Pycharm安装
  • Anaconda安装
  • CUDA安装
  • CUDNN安装
  • 使用Anaconda配置环境
  • 第一次目标检测
  • 文件准备

    可以将这些文件都下载好放置在桌面上 再进行环境配置这一步操作

    Pycharm下载链接

    https://www.jetbrains.com/pycharm/download/download-thanks.html?platform=windows&code=PCC

    (打开链接直接下载即可)

    Anaconda下载链接

    官方链接:(下载速度慢,不推荐)

    https://repo.anaconda.com/archive/Anaconda3-2022.05-Windows-x86_64.exe

    镜像网站链接:(下载速度快,强烈推荐)

    https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2022.05-Windows-x86_64.exe

    (打开链接直接下载即可)

    Yolov5源码下载地址链接

    Yolov5-5.0加速下载链接:https://archive.xn–gzu630h.xn–kpry57d/ultralytics/yolov5/archive/refs/tags/v5.0.zip

    Yolov5-5.0Github官方链接:https://github.com/ultralytics/yolov5/archive/refs/tags/v5.0.zip

    Yolov5-6.1加速下载链接:https://github.com/ultralytics/yolov5/archive/refs/tags/v6.1.zip

    Yolov5-6.1Github官方链接:https://archive.xn–gzu630h.xn–kpry57d/ultralytics/yolov5/archive/refs/tags/v6.1.zip

    CUDA下载地址

    首先检查自己的电脑支持什么版本的CUDA

    鼠标右键打开NVIDIA控制面板
    请添加图片描述

    请添加图片描述

    请添加图片描述

    请添加图片描述

    接下来进入Cuda官网下载所支持的版本 https://developer.nvidia.com/cuda-toolkit-archive

    点击网站进入后
    请添加图片描述

    CUDNN下载地址

    (需对应CUDA版本下载 )

    CUDA版本为11以上 下载地址为:

    https://developer.nvidia.com/compute/cudnn/secure/8.4.0/local_installers/11.6/cudnn-windows-x86_64-8.4.0.27_cuda11.6-archive.zip

    CUDA版本为10.2 下载地址为:

    https://developer.nvidia.com/compute/cudnn/secure/8.4.0/local_installers/10.2/cudnn-windows-x86_64-8.4.0.27_cuda10.2-archive.zip

    提醒:以上CUDNN网址进入时 需要先注册登录哦!

    环境配置

    Pycharm安装

    打开安装包





    Pycharm的安装到此就完成了

    Anaconda安装

    打开安装包








    CUDA安装

    CUDA安装CUDA环境配置(Windows)
    打开安装包









    打开高级设置


    ![在这里插入图片描述](https://img-blog.csdnimg.cn/6f516522b8484321b907ac3af622330f.png



    需要添加下面五组变量名与变量值

    变量名:CUDA_SDK_PATH 变量值:C:\ProgramData\NVIDIA Corporation\CUDA
    Samples\v11.3

    变量名:CUDA_LIB_PATH 变量值: %CUDA_PATH%\lib\x64

    变量名:CUDA_BIN_PATH 变量值:%CUDA_PATH%\bin

    变量名:CUDA_SDK_BIN_PATH 变量值:%CUDA_SDK_PATH%\bin\win64

    变量名:CUDA_SDK_LIB_PATH 变量值:%CUDA_SDK_PATH%\common\lib\x64


    ①中需添加的:

    %CUDA_LIB_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_BIN_PATH%;

    ②中需添加的:(默认为以下路径)

    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64

    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include

    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\CUPTI\lib64

    C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\bin\win64

    C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\common\lib\x64



    新建:“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin”(不需要加引号)
    新建:“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp”(不需要加引号)


    到此,CUDA安装以及环境配置就完成了

    CUDNN安装

    打开压缩包

    此处将这三个文件复制到CUDA安装路径同名文件夹即可!!这里我的路径是C:Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3


    WIN+R打开终端

    使用Anaconda配置环境

    在Anaconda下安装Pytorch
    打开Anaconda Prompt
    点击Launch后会弹出窗口 先将其最小化 点击第二步


    首先创建python的虚拟环境 在命令行里面输入conda create -n “your venu name” python==x.x (自行设置名称和python版本)



    接着输入下面的命令行
    conda config –remove-key channels

    conda config –add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/

    conda config –add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

    conda config –add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/

    conda config –set show_channel_urls yes

    pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple


    接下来进行配置Pytorch 首先进入Pytorch官网:Pytorch



    接着在命令行输入pip install pycocotools-windows

    接着输入cd 命令转到yolov5源码的目录下面(如果cd命令不起作用 可以尝试cd \d 命令来操作

    再输入以下命令行

    pip install -r requirements.txt

    pip install pyqt5

    pip install labelme

    到这里yolov5的环境配置就已经完成了,接下来开始进行测试

    第一次目标检测

    在yolov5目录下执行下列代码

    python detect.py –source data/images/bus.jpg –weights pretrained/yolov5s.pt





    第一测试只有exp 第二次测试就会自动生成exp2文件 以此类推

    至此 yolov5初次目标检测就完成了

    yolov5的检测代码功能十分强大,是支持对多种图像和视频流进行检测的,具体的使用方法如下:

    python detect.py –source 0 # webcam

    file.jpg # image

    file.mp4 # video

    path/ # directory

    path/*.jpg # glob

    ‘https://youtu.be/NUsoVlDFqZg’ # YouTube video

    ‘rtsp://example.com/media.mp4’ # RTSP, RTMP, HTTP stream

    物联沃分享整理
    物联沃-IOTWORD物联网 » Yolov5环境配置 配不好来打我

    发表评论