物体检测--yolov5应用--环境配置

物体检测–yolov5应用–环境配置
参考资料可以从我个人的收藏夹中找到，全部公开。其中环境配置主要参考“物体检测环境配置”收藏夹中的内容。推荐在网络较好的环境下进行深度学习环境配置，这样可以直接按照官方指令下载安装软件，减少很多不必要的麻烦。
1、系统选择
由于之前积累的大量经验，个人对Ubuntu20.04比较熟悉，因此就选装的这个版本的操作系统。
2、确定显卡类型及所需要的驱动
打开终端，输入nvidia-smi
本机显示
driver version 450.102.04
cuda version 11.0
python 3.8.5
由于Ubuntu20.04正处于更新状态中，开发者们会不断测试最新内核，故而更新时需要将内核版本和显卡驱动相互匹配。一般而言系统会自动完成这一过程，初学者切记不要自行改动显卡驱动版本。
3、安装cuda
打开终端，输入nvcc -V
本机显示
nvcc: NVIDIA ® Cuda compiler driver
Copyright © 2005-2020 NVIDIA Corporation
Built on Wed_Jul_22_19:09:09_PDT_2020
Cuda compilation tools, release 11.0, V11.0.221
Build cuda_11.0_bu.TC445_37.28845127_0
说明本机自带cuda版本为11.0
4、安装cudnn
根据cuda的版本
选择安装cudnn-11.2-linux-x64-v8.1.1.33
5、安装anaconda3
根据cuda以及cudnn版本
选择安装Anaconda3-2020.11-Linux-x86_64.sh
6、安装pytorch
具体参考收藏夹博客，注意版本一定要匹配

到这里环境基本安装完成
可以进行一个简单的测试,在终端中进行以下操作
$:python3
Python 3.8.5 (default, Sep 4 2020, 07:30:14)
[GCC 7.3.0] :: Anaconda, Inc. on linux
Type “help”, “copyright”, “credits” or “license” for more information.
import torch
torch.version
‘1.7.1’
torch.cuda.is_available()
True
如此看来环境的安装成功了

为了后续对代码进行编译，可以安装VScode软件，参考
https://zhuanlan.zhihu.com/p/137861452

Plus
后面复现yolov5模型时还会有安装测试环境的步骤，一定要满足开发者对环境的最低需求