（linux）yolov5/v3-pytorch目标检测1：环境配置gpu+anaconda+pycham+ RTX2080ti 笔记_在linux 上装yolo 没有gpu

前言

（linux）yolov5/v3-pytorch目标检测1：环境配置gpu+ anaconda+ pycharm+ RTX2080ti 笔记，包括如何在anconda创建yolov5虚拟环境和用pycham为项目配置yolo5虚拟环境。有些图是windows下的，不影响观看。anaconda+pycharm的安装请自行搜索。

1. yolov5链接https://github.com/ultralytics/yolov5 ，下载并提取

2. yolov3链接https://github.com/ultralytics/yolov3 ，下载并提取

3. 最新版本的yolov3（截至2023.3）不需要darknet配置，而且与yolov5所需的包基本相同，故它们可以共用一个虚拟环境。本人已经在同一虚拟环境上重复训练了yolov3和yolov5，没有任何出现问题。

4. pycharm汉化Pycharm汉化简单图文教程

anconda虚拟环境创建

1. 打开终端，创建： conda create -n yolo5 python=3.8

输入y ，然后按enter

2. 激活： conda activate yolo5 (以下步骤都在yolo5环境下进行)

3. nvidia-smi确认自己的cudaVersion

4. 不要直接用pip install -r requestment.txt文件安装，linux系统不会看你目前环境是否有包已安装，并直接默认安装cuda=11.7的最高版本pytorch.

5. 安装pytorch：conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch选择其他版本代码在pytorch官网上找PyTorch，要求代码的cudatoolkit版本=<你电脑的CUDA Version。

6. 安装opencv-python，直接安装容易出错，建议按这个方法：在Links for opencv-python (tsinghua.edu.cn)下载自己需要的版本，然后pip install /（文件路径）/opencv_python-4.5.4.58-cp38-cp38-manylinux2014_x86_64.whl。注意当虚拟环境的python=3.X，安装包要后缀为-cp3X-cp3X-manylinux2014_x86_64.whl 。

7. pycharm中没有thop包故需要在自己先手动配置,在thop · PyPI下载，pip install （你的文件路径）/thop-0.1.1.post2209072238-py3-none-any.whl

8. 其他包就由pycharm配置，关闭终端，打开pycharm

用pycham为项目配置yolo虚拟环境

1. 提取yolov5文件，并用pycham打开该项目

2. pycham用为项目配置ssd虚拟环境

1. 取消自动创建，配置我们刚刚创建的环境

2. 点击设置

3. 选择刚刚配置的yolo5虚拟环境的python3.8文件，一般在(anaconda安装路径) /anaconda/envs/yolo5/bin内

4. 最后一路点确定

3. pycharm打开终端，如果你成功选择了相应的虚拟环境，()内就会显示你的虚拟环境名称

4. 打开requestments.txt，点击“安装要求”，pycharm就会配置其余的包

5. yolov5项目环境配置完成

6. pycharm打开yolov3项目，同样按以上步骤进行配置yolo虚拟环境，第3步打开requestment会提示还有ipython没有安装，点击“安装要求”即可，不会对yolov5产生影响

7. yolov3项目环境配置完成

8. 训练步骤（linux）yolov5/v3-pytorch目标检测2：训练自己的数据集，gpu，pycharm, RTX2080ti，单/多显卡训练

关于windows上yolov3/v5环境配置及训练过程，可以参考：

(windows) yolov5/yolov3 pytorch环境配置gpu+windows11+anaconda+pycharm+RTX3050 笔记_chao_xy的博客-CSDN博客

（windows）yolov5/yolov3训练自己的数据集，win11 gpu,pycharm,RTX3050笔记_chao_xy的博客-CSDN博客