yolov5环境配置-Anaconda3 + Pytorch1.8 + Cuda10.2 + cuDnn8.2.0 + opencv3.2.0
Anaconda3 + Pytorch1.8 + Cuda10.2 + cuDnn8.2.0 + opencv3.2.0
opencv3.2.0
之前装orb-slam2的时候装过opencv3.2.0
pkg-config --modversion opencv
安装CUDA10.2
之前装zed2摄像头时已经安装过cuda10.2
nvcc -V
安装cuDNN8.2.0
解压cuDNN压缩文件
sudo tar -xzvf cudnn-10.2-linux-x64-v8.2.0.53.tgz
会在当前文件夹下生成一个名为cuda的文件夹
然后输入以下命令:
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.2/lib64/
sudo cp cuda/include/cudnn* /usr/local/cuda-10.2/include/
sudo chmod a+r /usr/local/cuda-10.2/include/cudnn.h
sudo chmod a+r /usr/local/cuda-10.2/lib64/libcudnn*
到这里cuDNN就安装完成了
Anaconda3
下载
wget https://repo.anaconda.com/archive/Anaconda3-2021.05-Linux-x86_64.sh
安装
bash Anaconda3-2021.05-Linux-x86_64.sh
安装成功
编辑~/.bashrc文件,加入
export PATH=~/anaconda3/bin:$PATH
更新环境变量
source ~/.bashrc
输入conda list
添加Anaconda国内镜像配置
清华提供了Anaconda仓库的镜像
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 --set show_channel_urls yes
安装Pytorch1.8
注意:如果使用yolov5版本v5.0以上的代码,使用pytorch1.8
基础语法:
#使用conda创建单独的环境,在系统命令行中运行如下命令:
conda create -n yolov5_test python==3.8
#进入该环境继续安装依赖库:
conda activate yolov5_test
#删除环境
conda remove -n yolov5_test --all
#退出当前环境
conda deactivate yolov5_test
开始安装
首先为pytorch创建一个anaconda虚拟环境,环境名字可自己确定,这里使用yolov5_test作为环境名:
conda create -n yolov5_test python==3.8
安装成功后激活yolov5_test环境
conda activate yolov5_test
问题:
运行:
source activate
重新激活
在所创建的环境下安装pytorch的1.8版本
conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
注意:10.2处应为cuda的安装版本号
编辑~./bashrc文件,设置使用yolov5_test环境下的python3.8
alias python='~/anaconda3/envs/yolov5_test/bin/python3.8'
更新环境变量
source ~/.bashrc
该命令将自动回到base环境,再执行
conda activate yolov5_test
yolov5项目克隆安装
下载文件命名为yolov5_test
git clone https://github.com/ultralytics/yolov5.git yolov5_test
安装所需库
在yolov5_test目录下执行
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
下载权重文件 https://github.com/ultralytics/yolov5/releases/ ,放置在weights文件夹下
测试
python3 detect.py --source ./data/images/ --weights weights/yolov5s.pt
yolov5环境配置-Anaconda3 + Pytorch1.8 + Cuda10.2 + cuDnn8.2.0 + opencv3.2.0相关推荐
- yolov5环境配置及训练coco128数据集
本人小白一个,最近在学习yolov5网络,于是跟着网上的教程配置环境训练等,出现了很多错误,可能会比较乱,先说声抱歉.现在总结一下,算是理清下自己的思路,希望对各位也有些帮助. 环境配置:推荐安装Cu ...
- yolov5环境配置
目录 背景 1.Anaconda3安装 (1)安装Anaconda3后,换源遇到的问题 (2)处理方法 (3)Anaconda3环境变量配置 2.显卡驱动安装 3.安装CUDA (1)安装CUDA ( ...
- yolov5环境配置和训练
慢慢写不着急 yolov5权重文件(百度网盘) yolov5weight 提取码:g5jh 鉴于官网权重文件4个月没有跟新,放心食用(20201030) weight V4.0 提取码:aljp 20 ...
- 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 Ana ...
- RTX3090深度学习环境配置(PyTorch1.8)
更新于2021年3月6日,昨天PyTorch官方已经发布了1.8版本,正式支持CUDA11. 简介 最近要在3090卡的服务器上进行PyTorch实验,所以踩了不少坑进行环境配置,本文就简单介绍一下我 ...
- win10配置深度学习环境(anaconda3+pytorch1.9+python3.7+cuda10.2)
深度学习搭建开发环境的3种方式:直接从Python安装,通过集成环境安装,从源码编译安装. 在windows平台下建议使用Anaconda进行安装,因为有些包在windows平台下是没有的. 而且An ...
- Ubuntu20.04下配置Anaconda3+NVIDIA 驱动+Cuda11.1+Cudnn8.0.5
安装Ubuntu20.04 1.首先,拿出一个U盘,将官网下载的 Ubuntu20.04 刷进去制作成启动盘. 这里制作启动盘的软件我使用的是xxxx 2.分区设置(自定义四个分区) 因为我把 Ubu ...
- 转自:拜小白教你OpenCV3.2.0+VS2017开发环境配置
拜小白教你OpenCV3.2.0+VS2017开发环境配置 本文转载自<拜小白教你OpenCV3.2.0+VS2017开发环境配置>.转载链接. https://blog.csdn.net ...
- pytorch环境配置 一键官网配置+离线配置(anaconda+duda+cudnn+pytorch)
pytorch环境配置(anaconda+duda+cudnn+pytorch) 目录 一:pytorch官网一键法 二:自行离线配置法 一:pytorch官网一键法 1.准备工作: 下载anacon ...
- 史上最详细 Lipreading using Temporal Convolutional Networks 环境配置
唇语识别是目前人工智能领域比较热门的应用之一,本文将在之后的内容中介绍2020年英文词汇级唇语识别在LRW(Lir Reading in the Wild)数据集以及LRW-1000两个数据集上实现S ...
最新文章
- EJB调用原理分析 (飞茂EJB)
- 怎么检查linux是否中病毒,linux中怎么检查是否有安装xinted这个服务
- 基于深度学习的目标检测算法:SSD——常见的目标检测算法
- Linux学习笔记(知识点总结)
- 杭电多校第四场-H-	K-th Closest Distance
- three approaches to industrial experiences at cambridge
- PHP构建数据结构填充数据
- 30是什么意思_“29+16”变“30+18”是什么意思?独立艺术院校有何优势?报考需要注意什么?...
- 如何让博客变得稍稍好看
- sqlite mysql php_PHP实现的简单操作SQLite数据库类与用法示例
- 【顺序表和链表】实现增删查改数据结构 OJ题编程
- 腾讯云联合信通院等发布标准物模型平台,构建物联网行业通用标准
- 汉诺塔问题的c语言实现
- SCTP客户/服务器程序
- 0806 07 08 09 12上午数据库
- 编写js代码,点击相应的按钮使得网页背景颜色发生改变
- Lan内部是如何完成通信的
- GitHub+JenKins集成Python自动化测试脚本
- Wireshark菜单栏介绍之编辑菜单4-4
- PROFINET的GSD文件描述