(10条消息) YOLOv5和YOLOv7开发环境搭建和demo运行-Python文档类资源-CSDN文库
官网下载最新版;安装时勾选上添加系统环境变量。
PS:整合开发环境;Anaconda是基于conda的Python数据科学和机器学习开发平台;conda是虚拟环境工具;包管理工具;可以用于各种开发语言;这里指Python。conda资源库有上万个第三方库;大部分都是数据科学和机器学习相关领域。
Anaconda | Start Coding Immediately
官网下载社区版即可。
TensorFlow;可以拿python最经典的计算包numpy来进行比较;和numpy类似;用于数据计算;常用于开发深度学习框架。
PS:Anaconda和Pycharm的安装不做说明;很简单就是默认安装就行了。
1.4.1 CPU版本(有GPU环境的这一步不需要做)
新建一个YOLO-CPU-TensorFlow2的开发环境
conda create -n YOLO-CPU-TensorFlow2 python=3.9
激活并进入刚才创建的环境
conda activate YOLO-CPU-TensorFlow2
安装tensorflow 2.5.1
pip install tensorflow==2.5.1 -i https://mirrors.aliyun.com/pypi/simple/
验证是否环境安装成功;
python
import tensorflow as tf
tf.__version__
PS;2.5.1
1.4.2 GPU版本(不要按照这个来;后面会有安装成功的;这个当作介绍流程看)
新建一个YOLO-GPU-TensorFlow2的开发环境
conda create -n YOLO-GPU-TensorFlow2 python=3.9
conda activate YOLO-GPU-TensorFlow2
安装tensorflow-gpu
pip install tensorflow-gpu==2.5.1 -i https://mirrors.aliyun.com/pypi/simple/
常用命令;
创建环境;conda create -n YOLO-GPU-TensorFlow2TEST python=3.7
激活环境;conda activate YOLO-GPU-TensorFlow2TEST
取消激活环境;conda deactivate
(1)安装CUDA和CUDNN
听网上说的;不要用国内源下载
安装CUDA
可以使用;conda search cudatoolkit 命令来查看可以用来安装的cuda版本有哪些
conda search cudatoolkit search
conda install cudatoolkit=11.2
安装CUDNN
conda install cudnn==8.1 如果这两条成功;则GPU加速环境成功部署。
更新conda:conda update -n base conda
conda update --all
(2)安装pytorch
在线安装一般都会因为网络原因而安装失败;这里选择离线安装。资源地址;
Index of /anaconda/cloud/pytorch/win-64/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
这里你也不要急着去下载
conda install --offline C:MyWorkSpaceenvpytorch-1.7.0-py3.7_cuda101_cudnn7_0.tar.bz2
conda install --offline C:MyWorkSpaceenv orchVision-0.8.0-py37_cu101.tar.bz2
(3)验证环境是否安装成功
这里是验证CUDA安装是否成功
conda activate YOLO-GPU-TensorFlow2
进入Python环境;
python
导入tensorflow 库
import tensorflow as tf
查看版本;tf.__version__
PS;2.5.1
这里是验证pytorch安装是否成功
import torch
print(torch.cuda.is_available())
True就是成功了
注意事项
版本问题;
CUDA和CUDNN版本要对齐。
CUDA 和Tensenflow之间的版本关系;
在 Windows 环境中从源代码构建 | TensorFlow
在1.4步骤安装TensorFlow环境时;注意Python的版本
如何查看自己CUDA版本;(这个命令我还觉得是看系统的CUDA版本;而不是你环境的版本)
nvcc -V
NVIDIA-smi中的cuda是由NVIDIA GPU 驱动包安装的;而不是由CUDA toolkit安装的。所以运行时候以nvcc 为主;cuda版本在nvcc -V和nvidia-smi中显示不同_小歘歘嘚啵嘚的博客-CSDN博客_nvidia-smi cuda version
截图一下版本关系
写一组GPU的;
Tensenflow2.6.0 cuDNN 8.1 CUDA 11.2
Tensenflow2.5.0 cuDNN 8.1 CUDA 11.2
Tensenflow2.2.0 cuDNN 7.6 CUDA 10.0
官网也有对应版本;建议对着官网再仔细看一下
重点;
需要注意Tensorflow的版本和CUDA版本还有pytorch版本;Tensorflow版本确定了CUDA版本就确定下来了;pytorch版本也就确定下来了。这里需要注意一下三者的协调关系;对了还有Python版本。
安装的时候所有版本都定下来了在安装
1.9有版本关系
2.1 参考资料
参考链接;Yolov5;最新版; 环境配置及部署之环境配置;一) ;详细教程;_excelNo1的博客-CSDN博客_yolov5环境配置
2.2 YOLO v5(这里也不要按照下面的介绍来做;后面有完整步骤)
2.2.1 源码下载
进入Github官网;https://github.com/ultralytics/yolov5/releases 选择版本为v5.0;下拉滚动条;找到Source code(zip)。点击下载到本地。解压Yolov5-5.0文件到指定目录;解压后文件如图所示;
创建并激活TensorFlow环境;自己选择是CPU还是GPU的;激活后再进入requirements.txt所在文件夹目录下;执行下述命令;
pip install -r requirements.txt
或者在Pycharm中安装
执行完成上述语句后;测试torch 、CUDA 是否正确安装;
import torch
print(torch.cuda.is_available())
False
CUDA 没有安装或其他原因
2.2.2 YOLO V5运行环境搭建
删除环境;重新安装cuda;Yolov550 是环境名称;自己定
deactivate Yolov550
conda remove -n Yolov550 --all
重新创建环境并且指定python版本为3.7;
conda create -n Yolov550 python=3.7
conda activate Yolov550
安装CUDA和CUDNN;
conda install cudatoolkit==10.2.89
conda install cudnn==7.6.5
安装torch 和 torchvision。进入官网找到和cuda对应的版本;获得安装命令;
conda install pytorch torchvision torchaudio cudatoolkit=10.2
测试CUDA 是否可用;输入python;进入python环境。print(torch.cuda.is_available())为True表示正确安装CUDA。
2.3 Pycharm环境配置
刚才创建的环境
刚才创建的环境
2.3 我的环境测试(参考;https://blog.csdn.net/QQ_45104603/article/details/121783848)
conda create -n myYOLOv5WorkSpace python=3.8
conda activate myYOLOv5WorkSpace
PS:
删除虚拟环境: conda remove -n myYOLOv5WorkSpace (虚拟环境名称) --all; 即可删除。
conda remove -n myYOLOv5WorkSpace --all
conda --version 查看Anaconda安装的版本
conda env list 查看已经安装的环境;右边 “*”表示当前使用的环境
当安装好了以后;执行conda env list这个命令;就可以看到比一开始多了一个pytorch这个环境。现在我们可以在这个环境里面安装深度学习框架和一些Python包了。
conda env list
安装pytorch-gup版的环境;由于pytorch的官网在国外;下载相关的环境包是比较慢的;所以我们给环境换源。在myYOLOv5WorkSpace 环境下执行如下的命名给环境换清华源。我换完了源;然后安装的是cpu版本;别换吧
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/pytorch/
conda config --set show_channel_urls yes
conda config --add channels https://repo.anaconda.com/pkgs/main/win-64
conda config --add channels https://repo.anaconda.com/pkgs/main/noarch
conda config --add channels https://repo.anaconda.com/pkgs/r/win-64
conda config --add channels https://repo.anaconda.com/pkgs/r/noarch
conda config --add channels https://repo.anaconda.com/pkgs/msys2/win-64
conda config --add channels https://repo.anaconda.com/pkgs/msys2/noarch
显示目前的源conda config --show channels
删除源conda config --remove channels
添加清华源conda config --add channels Index of /anaconda/cloud/pytorch/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
conda换回默认源;
conda config --remove-key channels
卸载旧的安装包;
conda uninstall 包名
原文链接;https://blog.csdn.net/weixin_40977054/article/details/115524523
然后打开pytorch的官网;由于开头我们通过驱动检测到我的显卡为 NVDIA SMI 526.86;最高支持cuda11.5版本;所以我们选择cuda11.3版本的cuda;然后将下面红色框框中的内容复制下来;一定不要把后面的-c pytorch -c conda-forge也复制下来;因为这样运行就是还是在国外源下载;这样就会很慢。
如何看最高支持版本;nvidia-smi
安装tensorflow 2.2.0对应cuda和cudnn版本为;10.1 7.6 Python最高3.8
下载tensorflow-gpu==2.2.0
pip install tensorflow-gpu==2.2.0 -i Simple Index
下载pytorch==1.11.0
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=10.2
Conda list pytorch
下载CUDA
conda install cudatoolkit==10.2
下载cuDNN
conda install cudnn==7.6
conda search cudatoolkit
conda search cudnn
# 查看可以用来安装的cudatoolkit的所有版本都有哪些
conda search cudatoolkit --info
# 查看所有列出来的cudatoolkit的详细信息;包括版本号version;文件网址url;依赖项dependencies
# 文件网址url;
# 直接conda install cudatoolkit;通常下载安装包的速度很慢;因而可以用上面给出的文件网址url来用下载工具去下载这个包;再去本地安装
# 依赖项dependencies;
# 想要使用cudatoolkit;还需要安装什么才可以使用。
测试是否安装成功;
python
import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())
重新来;从创建虚拟环境开始;
conda create -n YOLO_GPU_Test python=3.7
conda activate YOLO_GPU_Test
pip install tensorflow-gpu==2.3.0 -i https://mirrors.aliyun.com/pypi/simple/
验证是否环境安装成功;
python
import tensorflow as tf
tf.__version__
如下图;原因是还没安装cuda和cudnn
安装CUDA
conda install cudatoolkit==10.1.168
安装CUDNN
conda install cudnn==7.6.5
验证 正确
安装pytorch
conda install --offline C:MyWorkSpaceenvpytorch-1.7.0-py3.7_cuda101_cudnn7_0.tar.bz2
3.1 anaconda和pycharm安装不讲
3.2 各版本确定
Python =3.7 tensorflow =2.3.0
Cuda =10.1.168
Cundd =7.6.5
Pytorch = 1.7.0
Torchvision = 0.8.0
3.3 安装TensorFlow
conda create -n YOLO_GPU_Test python=3.7
conda activate YOLO_GPU_Test
pip install tensorflow-gpu==2.3.0 -i https://mirrors.aliyun.com/pypi/simple/
3.4 安装CUDA和CUDNN
安装CUDA
conda install cudatoolkit==10.1.168
安装CUDNN
conda install cudnn==7.6.5
验证
python
import tensorflow as tf
tf.__version__
3.5 安装pytorch
不要在pycharm下载opencv-python 在cmd命令窗口下载
requirements: opencv-python;=4.1.2 not found and is required by YOLOv5
pip install opencv-python
另外一种pip安装教程
yolov5 下torchvision版本问题 #VersionConflict: (torchvision Requirement.parse(‘torchvision;=0.8.1‘))_神经森森是我鸭的博客-CSDN博客
pip install C:MyWorkSpaceenv orch-1.7.0;cu101-cp37-cp37m-win_amd64.whl --user
pip install C:MyWorkSpaceenv orchvision-0.8.1;cu101-cp37-cp37m-win_amd64.whl --user
才发现pip资源下载地址有的没有;那就用这个;
https://download.pytorch.org/whl/torch_stable.html
使用迅雷下载的更快
(1)下载资源
Index of /anaconda/cloud/pytorch/win-64/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
不需要解压缩;直接在创建的环境下执行(执行完成这两个压缩文件会自动删除);
conda install --offline C:MyWorkSpaceenvpytorch-1.7.0-py3.7_cuda101_cudnn7_0.tar.bz2
conda install --offline C:MyWorkSpaceenv orchvision-0.8.1-py37_cu101.tar.bz2
import torch
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())
3.6 下载yolov5
进入Github官网;https://github.com/ultralytics/yolov5/releases 选择版本为v5.0;下拉滚动条;找到Source code(zip)。点击下载到本地。解压Yolov5-5.0文件
3.7 创建并激活TensorFlow环境
自己选择是CPU还是GPU的;激活后再进入requirements.txt所在文件夹目录下;执行下述命令;
pip install -r requirements.txt
或者在Pycharm中安装;我直接在Pycharm中安装;
执行完成上述语句后;测试torch 、CUDA 是否正确安装;
import torch
print(torch.cuda.is_available())
注意;3.7我没使用;我在pycharm里;哪个包没有安装哪个的;我发现用requirements.txt 会把你之前配置的环境改了
3.8 打开工程
3.9 准备设置环境
3.10 选择我们刚刚创建的虚拟环境里面的python
3.11 安装requirements.txt下的依赖
3.12 验证 pytorch和CUDA已经成功安装
3.13 运行指令
//从图片检测
python detect.py --source ./data/images/ --weights ./weights/yolov5s.pt --conf 0.4
//从摄像头检测 担心是CPU运行的话;加上参数 --device 0
python detect.py --source 0 --weights ./weights/yolov5s.pt --conf 0.4
//加载自己训练模型检测
python detect.py --source 0 --weights ./模型地址 --conf 阈值
这里只是CPU运行的
代码错误;
YOLOV5 训练好模型测试时出现问题;AttributeError: ‘Upsample‘ object has no attribute ’recompute_scale_factor’ 的解决方法;
YOLOV5 训练好模型测试时出现问题;AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘的解决方法_佐咖的博客-CSDN博客
不要在pycharm下载opencv-python 在cmd命令窗口下载
requirements: opencv-python;=4.1.2 not found and is required by YOLOv5
pip install opencv-python
另外一种pip安装教程
yolov5 下torchvision版本问题 #VersionConflict: (torchvision Requirement.parse(‘torchvision;=0.8.1‘))_神经森森是我鸭的博客-CSDN博客
pip install C:MyWorkSpaceenv orch-1.7.0;cu101-cp37-cp37m-win_amd64.whl --user
pip install C:MyWorkSpaceenv orchvision-0.8.1;cu101-cp37-cp37m-win_amd64.whl --user
conda uninstall 包名
conda install 包名==版本号
conda search cudatoolkit search
链接;https://pan.baidu.com/s/1d0xp8ejYO-suovgN1A-Gvg
提取码;xfza
2.离线安装pytorch 压缩包那种方式
Index of /anaconda/cloud/pytorch/win-64/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
3.离线安装pytorch pip安装教程
https://download.pytorch.org/whl/cu101/
安装教程; yolov5 下torchvision版本问题 #VersionConflict: (torchvision Requirement.parse(‘torchvision;=0.8.1‘))_神经森森是我鸭的博客-CSDN博客
6.1 下载源码
6.2确定版本
可以从requirements.txt看到;
torch>=1.7.0,!=1.12.0
torchvision>=0.8.1,!=0.13.0
tensorflow>=2.4.1
故而我选择的版本是;
Python =3.8 tensorflow =2.4.2
Cuda =11.0.221
Cundd =8.2.1
Pytorch = 1.7.0
Torchvision = 0.8.1
conda search cudatoolkit search
6.3 安装tensorflow 、CUDA、CUDNN
conda create -n YOLOv7_GPU_Env python=3.8
conda activate YOLOv7_GPU_Env
pip install tensorflow-gpu==2.4.2 -i Simple Index
安装CUDA和CUDNN之前使用;conda search cudatoolkit --info和
conda search cudnn --info一个确定了221;一个确定了8.2.1
查看可以安装哪些版本
安装CUDA
conda install cudatoolkit==11.0.221
安装CUDNN
conda install cudnn==8.2.1
不自信可以用conda list验证一下
6.4 安装pytorch
下载地址;
https://download.pytorch.org/whl/
还有一个下载地址;
https://download.pytorch.org/whl/
使用迅雷下载的更快
下载完成后直接安装;注意不能用上面哪个;因为哪个是python37,两个都要重新下载
pip install C:MyWorkSpaceenv orch-1.7.0;cu110-cp38-cp38-win_amd64.whl --user
pip install C:MyWorkSpaceenv orchvision-0.8.1;cu101-cp38-cp38-win_amd64.whl --user
注意看第二个搞错了;写出cu101了;怎么办?卸载;进入环境;pip uninstall torchvision,再重新下载对应版本的
pip install C:MyWorkSpaceenv orchvision-0.8.1;cu110-cp38-cp38-win_amd64.whl
>>> import torch
>>> print(torch.cuda.is_available())
True
cp后面的是python版本
6.5 安装一些其他包
pip install opencv-python
如下这些包;在加号哪里安装
6.6 YOLOv7
参考链接;
YOLOv7;目标检测;入门教程详解---检测;推理;训练_螺丝工人的博客-CSDN博客
和v5一样
下载代码:https://github.com/WongKinYiu/yolov7
下载权重;
链接;https://pan.baidu.com/s/1zB1U3bLf8fjaLGVXKKEonw
提取码;5sd6
运行;
直接点绿色按钮运行;想改参数在代码里改。如果直接用命令行运行;可能会有torch版本不一致的问题;我说的是加上 --device 0参数之后的。忘记说了;我代码里做了改动;
(主要是来判断GPU开始运行没)
python detect.py --weights weights/yolov7.pt --source inference/images --device 0
可以看到输入命令行GPU根本没跑起来;而直接绿色按钮GPU正常;原因是命令行和你的绿色按钮运行环境是不一样的。如何解决?很简单了;改下红框位置
6.7一些问题
YOLOV7 TimeoutError: [WinError 10060] 由于连接方在一段时间后没有正确答复或连接的主机没有反应;连接尝试失败。
