Yolov5目标检测环境搭建过程(Cuda+Pytorch+Yolov5)
本文介绍了如何搭建yolov5目标检测代码的环境,详细记录了python虚拟环境、安装pytorch、加载yolov5项目以及运行检测程序的全过程。
完成了本文的yolov5项目搭建后,可以查看本文下一篇文章:使用yolov5训练自己的数据集并测试。
一、安装Python虚拟环境
1、首先在所在系统中安装Anaconda。可以打开命令行输入conda -V检验是否安装以及当前conda的版本。
2、使用 conda create -n your_env_name python=X.X(2.7、3.6等)命令创建python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。
我用的指令是:
conda create -n py37_torch python=3.7
安装之前可能提示你需要更新conda版本,这个并不影响
安装过程中需要输入Y确认下载
3、安装好后会提示你激活环境的指令,我们可能会根据需要创建不同的虚拟环境,每个环境对应不同的名称,所以在对环境中的包进行更新或删除之前需要激活该环境,激活方式为:
activate py37_torch
图中命令前面的环境名称变成了py37_torch,表示已经成功进入了该环境。可以输入conda list查看当前环境python版本以及已有的包
此时进行安装和删除包的操作都是对该环境进行的。例如我们需要安装matplotlib,输入:
pip install matplotlib
关闭当前环境,输入:
deactivate
二、安装Pytorch
1、首先查看电脑已有的CUDA版本,输入nvcc –version(当前环境下查看或者打开CMD查看都可以)
去pytorch查看cuda对应的pytorch版本
https://pytorch.org/get-started/previous-versions/
我选择的是torch1.2.0版本,由于在线安装网速不行,一般我选择离线安装的方式,首先在下面的网站中下载对应版本的whl文件,需要下载对应的torch1.2.0和torchvision0.4.0
https://download.pytorch.org/whl/torch_stable.html
这里需要注意,cuda10.0对应的torch版本很多都只支持到python3.7,所以在选择版本之前还需要把python版本结合起来(我之前用的python3.8版本的就发现没有对应安装文件)
2、下载好后,定位到下载目录:
cd C:\Users\suda\Downloads
输入安装命令:
pip install torch-1.2.0-cp37-cp37m-win_amd64.whl
pip install torchvision-0.4.0-cp37-cp37m-win_amd64.whl
3、安装过程中会自动下载其它依赖包,如果网速慢可以提前离线下载对应依赖包的whl文件,采用上述方式安装,这样在安装过程中就会跳过已安装的包。例如我这里安装numpy,显示需要7个小时,
去Pypi网站(https://pypi.org/project)下载对应的版本(直接百度搜索numpy下载即可跳出Pypi网站,有一些安装包也可在清华镜像里下载),下载仅需几秒
4、检查是否安装成功:
命令行输入python
依次引用
import torch
import torchvision
print(torch.cuda.is_available())
中间没有任何报错并且最终输出为True说明安装成功了(在import torchvision可能会报错ImportError: cannot import name 'PILLOW_VERSION' from 'PIL',解决方法见我另一篇博文)
三、运行Yolov5
1、Yolov5项目地址:
https://github.com/ultralytics/yolov5
也可以直接下载gitcode里的,下载速度更快:
https://gitcode.net/mirrors/ultralytics/yolov5?utm_source=csdn_github_accelerator#
2、在Pycharm中加载环境
Pycharm新建项目,选择Yolov5项目文件,然后按照下图所示配置环境,选择刚刚装好的py37_torch。
选择虚拟环境的python.exe,文件位置在下图红框所示位置,Anaconda3前面是用户目录。
四、运行Yolov5
1、检测图片
在项目下面下载了yolov5s.pt模型文件,放到models文件夹下,并且修改了detect.py程序中对应的路径,第二个参数为需要检测的图片的路径
直接运行detect.py,将会检测data/images中的图片,检测结果:
2、调用摄像头实时检测
将第二个参数改为0则调用电脑自带摄像头
检测效果:
Yolov5目标检测环境搭建过程(Cuda+Pytorch+Yolov5)相关推荐
- Ubuntu Tensorflow object_detection API 目标检测环境搭建
Ubuntu 16.04下安装TensorFlow Object Detection API(对象检测API) Ubuntu 16.04下搭建TensorFlow运行环境(用Anaconda) ...
- Windows10系统下swin-transformer目标检测环境搭建
Swin-Transformer-Object-Detection环境搭建 前言 1.环境准备 2.虚拟环境创建 3.安装pytorch 4.安装mmcv 5.安装mmdet 6.安装apex 7.测 ...
- HRnet之目标检测环境搭建指南
最近实验了一下基于FasterRCNN的HRnet目标检测效果很不错,地址在 https://github.com/HRNet/HRNet-Object-Detection 但是环境真的太难了...我 ...
- 简单快速建立pytorch环境YOLOv5目标检测 模型跑起来(超简单)
简单快速建立pytorch环境+实现YOLOv5目标检测 模型跑起来(超简单) 一.下载yolov5模型代码: yolo代码 提取码:2022 下载后解压 二.简单快速创建pytorch环境: 1.条 ...
- 睿智的目标检测56——Pytorch搭建YoloV5目标检测平台
睿智的目标检测56--Pytorch搭建YoloV5目标检测平台 学习前言 源码下载 YoloV5改进的部分(不完全) YoloV5实现思路 一.整体结构解析 二.网络结构解析 1.主干网络Backb ...
- 搭建自己的YOLOv5目标检测平台出现的问题
搭建自己的YOLOv5目标检测平台出现的问题 安装教程 错误1: 在终端pip install -r requirements.txt里的环境时若出现此问题: ERROR: Could not bui ...
- 树莓派4B部署YOLOv5目标检测模型部署(包含加速方法以及模型训练方法总结)
树莓派4B部署YOLOv5目标检测模型部署 1.工作内容简介: (1)训练鱼类目标识别模型.首先建立水下鱼类目标数据集,由于目前国内暂时并没有可用红鳍东方鲀标注数据集,本文利用Labelimage软件 ...
- 用opencv的dnn模块做yolov5目标检测
最近在微信公众号里看到多篇讲解yolov5在openvino部署做目标检测文章,但是没看到过用opencv的dnn模块做yolov5目标检测的.于是,我就想着编写一套用opencv的dnn模块做yol ...
- 快速玩转Yolov5目标检测—没有好的显卡也能玩(二)
上篇 快速玩转Yolov5目标检测-没有好的显卡也能玩(一) 已经将YoloV5在我的笔记本电脑上快速跑起来了,因为电脑显卡一般,所以运行的CPU版本,从推理结果来看,耗时还是蛮高的,如下图,平均每 ...
最新文章
- 作为高管,你需要了解的五个ERP趋势
- 【JavaSE_08】Java中static、继承、重写-思维导图
- pyqt5中sender方法介绍_【第五节】PyQt5事件和信号
- wxif 判断字符串相等_ES6:字符串、数组、对象的扩展
- LeetCode 790. 多米诺和托米诺平铺(动态规划)
- Keras中LSTM的return_sequences和return_state
- Mac最常用快键键持续更新ing
- java垃圾回收机制标记_Java的垃圾回收机制-垃圾收集算法(一)
- Json——使用Json jar包实现Json字符串与Java对象或集合之间的互相转换
- 5.2自动扫描及装配数据
- 游戏开发流程之完整指南
- CC2540蓝牙开发一BLE例程
- 遇到U盘无法打开,属性显示0字节这样的问题?数据该如何导出?
- 外贸收款——国际主流收款方式
- EIA/TIA 568国际综合布线标准
- 网络游戏的体验度量方法
- 08.第九章.人力资源管理
- html制作小短片,如何制作视频短片
- Redis第 2讲:配置Redis访问密码及端口号
- source map 文件还原