yolov5环境配置

因为项目要求，本文主要使用anaconda ，pycharm，安装包使用GPU版本
暂时更新到安装包，所以其实一点yolov5的内容都还莫得

安装anaconda和pytorch

1. anaconda可以从镜像源网站下载
   阿里云
   http://mirrors.aliyun.com/pypi/simple/
   中国科技大学
   https://pypi.mirrors.ustc.edu.cn/simple/
   豆瓣(douban)
   http://pypi.douban.com/simple/
   清华大学
   https://pypi.tuna.tsinghua.edu.cn/simple/
   中国科学技术大学
   http://pypi.mirrors.ustc.edu.cn/simple/
   （记住这几个网站，一会要考）
   记得检查环境变量
2. pycharm从官网下载即可，但只有社区版，专业版需学生认证后可免费下载
   （一年一认证，一次管一年）
   官网
   学生认证申请
3. 创建新环境
   安装完之后可以顺便把anaconda换一下镜像源（记得在基本环境，就是base环境安装）
   就是打开命令行（win+R，输入cmd。或者在开始菜单找到anaconda的prompt，然后输入下列命令）
   （命令行输入代码时尽量不要直接复制粘贴，一行一行输入）

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

然后创建新环境：（我这里选的mask_yolov5代表环境名，创建时，可以参考自己的项目名或创建环境的目的）

conda create -n mask_yolo5 python==3.8

激活新环境

conda activate mask_yolo5

然后用pycharm打开项目文件夹，在pycharm的右下角可以找到添加解释器：

安装相关包

如果项目中含有requirements.txt，说明，，，这个人是个好人（bushi
说明可以直接安装大部分包，pycharm也会有提示“是否安装requirements里的包”。但仍有几个包需要手动安装（哪里报错按哪个）
方式：

cd 项目文档路径
pip install -r requirements.txt

笔者主要在tensorflow和pytorch安装时，屡屡碰壁，所以主要说这两个包的安装

1. tensorflow的gpu版本安装

首先，大胆尝试直接安装（记得激活环境）

pip install tensorflow-gpu==2.8.0

然后我报错了，，，第一次是TypeError: Descriptors cannot not be created directly. If this call came from a _pb2。按照网上教程把protobuf降级

pip uninstall protobuf
pip install protobuf==3.19.0

然后报错AttributeError: module ‘keras.utils.generic_utils‘ has no attribute ‘populate_dict_with_module。是keras与tensorflow版本不匹配（我真的会谢
下一个匹配的版本吧，，，
版本对应网站
然后检查一下: 先进入python（就是激活环境，然后输入python）

import tensorflow as tf
print(tf.test.is_gpu_available())

输出是true就可以

2. 安装pytorch

pytorch需要注意的是，用conda直接从镜像源下载，下的是cpu版本（诡计多端的镜像源 ）所以我们需要从官网下载whl文件，然后安装
这里要感谢这位博主！！下载whl文件教程
然后最后再测试一下就可以了

python
import torch
torch.cuda.is_available()