安装YOLOv5注意事项（待更新）_yolov5权重下载

目录

一、安装Anaconda

二、安装CUDA

2.1一般方法

2.1.1安装CUDA

2.1.2安装CUDNN

2.1.3配置环境变量

2.2特殊情况

三、为YOLOv5创建环境

四、安装torch

4.1一般方法

4.2特殊情况

五、下载YOLOv5

六、错误及解决办法

---

总体思路：
1、安装Anaconda和PyCharm并配置相关环境变量
2、下载和电脑显卡相匹配的CUDA，并根据对应关系下载CuDnn
3、下载和CUDA对应的turch和torchvision

https://download.pytorch.org/whl/torch_stable.html

4、创建环境并使用轮子安装turch和torchvision
5、检查CUDA、torch是否可用

#测试torch是否安装成功
import torch
print("pytorch版本：",torch.__version__)
print("cuda版本：",torch.version.cuda)
print("GPU是否可用：",torch.cuda.is_available())
print("GPU设备名称：",torch.cuda.get_device_name())
print("可用GPU设备数量：",torch.cuda.device_count())
print("cundnn版本：",torch.backends.cudnn.version())

6、打开yolo项目，检查有哪些包缺失，并安装好
7、运行检验

一、安装Anaconda

Anaconda清华镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

        在镜像网站中选择适合自己的Anaconda版本下载并安装。

二、安装CUDA

2.1一般方法

        这种情况适合用户根据自己电脑配置来安装当前的最新版本，自定义程度较高。需要注意cuda和cudnn以及torch和torchvision版本之间的对应关系。

        touch和torchvision镜像下载地址：

https://download.pytorch.org/whl/torch_stable.htmlhttps://download.pytorch.org/whl/torch_stable.html

        cuda和cudnn版本对应关系如下：

        pytorch和torchvision版本对应如下：

2.1.1安装CUDA        官网https://developer.nvidia.com/cuda-downloads

        进入官网查找对应版本并下载CUDA安装文件

        下载好以后双击cuda_10.2.89_441.22_win10exe安装

        选择自定义 ，接下来每一步都默认

        注意：在下载CUDA组件时不要选择Visual Studio Integration

2.1.2安装CUDNN        官网https://developer.nvidia.com/cudnn

        在官网下载与CUDA版本相对应的CUDNN。

        解压后把里面的文件直接复制到CUDA Development的安装路径下。

2.1.3配置环境变量

        配置环境变量。在系统环境变量的PATH中加入以下变量。基本上带lib，bin，include的都要添加。

2.2特殊情况

通过安装指定版本实现傻瓜式配置。

使用的配置如下：

        各个文件的命名及解释如下：

cuda_11.1.0_456.43_win10.exe

        在文件名中，cuda_11.1.0_456.43可能表示该CUDA运行时程序是针对CUDA 11.1版本的，而win10表示该程序是为Windows 10操作系统编译的。exe是Windows可执行文件的扩展名。 

 c118-cudnn-windows-8664-880121cuda11-archive.zip

        c118可能表示该cuDNN版本是第118个发布版本。windows-8664可能表示该cuDNN文件是为Windows系统32位版本编译的，而880121可能是该cuDNN版本的日期或编号。而cuda11可能表示该cuDNN版本与CUDA 11兼容。

 同样一路默认设置，自定义安装选项中不选Visual Studio Intergation。

三、为YOLOv5创建环境

Anaconda Prompt中键入

conda create -n yolov5 python=3.8
#python版本号前面的名字是自己自定义的

        之后会进行一段时间的下载，提前设置好镜像源的话会快一点。设置镜像源可以参考Pip以及Conda常用命令

        这是下载完成后的界面，接下来检测环境是否创建成功。

        输入下面的命令启动刚刚创建好的环境。

activate yolov5

命令行中前面的(base)发生改变就证明进入环境成功

输入

conda list

可以查看当前环境的配置

进入到YOLOv5源码所在路径，输入以下命令安装YOLOv5所需Python包

pip install -r requirements.txt

随后便可在Anaconda Navigator中查看环境啦

四、安装torch

4.1一般方法

        进入官网https://pytorch.org/get-started/locally/

        由于官网会根据你的CUDA版本自动匹配型号，所以这里无需选择，直接选择对应版本复制口令即可。

        注意：不要选择CPU版本。CPU版本安装后也可以使用，但是得不到CUDA套件的加速效果，因为前面安装CUDA就是为了后面进行GPU加速，此时如果选择了CPU版本，前面安装的CUDA相当于没用上。

        如果conda命令不能下载的话，建议使用旁边的pip3

        先使用activate命令进入到上一步创建好的yolov5环境中，然后复制命令到anaconda prompt中运行。

        成功开始下载。如果还不行，可以尝试右边的source下载（这个还没有尝试过）

        检验是否安装成功：

#测试torch是否安装成功
import torch
print("pytorch版本：",torch.__version__)
print("cuda版本：",torch.version.cuda)
print("GPU是否可用：",torch.cuda.is_available())
print("GPU设备名称：",torch.cuda.get_device_name())
print("可用GPU设备数量：",torch.cuda.device_count())
print("cundnn版本：",torch.backends.cudnn.version())

4.2特殊情况

        傻瓜式安装，进入镜像源下载对应版本的torch和torchvision

https://download.pytorch.org/whl/torch_stable.html

        使用的配置如下：

        各个文件的命名及解释如下：

 torch-1.8.1+cu111-cp36-cp36m-win_amd64.whl

       torch-1.8.1可能表示该可执行文件是针对Torch 1.8.1版本的，而cu111可能表示该可执行文件是针对CUDA 11.1版本编译的，而cp36-cp36m-win_amd64可能表示该可执行文件是为Windows 64位系统、使用CP36或CP37编译器、并使用AMD64架构进行构建的。.whl是Python包的默认格式，表示一个Python模块的二进制分发包。

torchvision-0.9.1+cu111-cp36-cp36m-win_amd64.whl

        torchvision-0.9.1可能表示该可执行文件是针对TorchVision 0.9.1版本的，而cu111可能表示该可执行文件是针对CUDA 11.1版本编译的，而cp36-cp36m-win_amd64可能表示该可执行文件是为Windows 64位系统、使用CP36或CP37编译器、并使用AMD64架构进行构建的。.whl是Python包的默认格式，表示一个Python模块的二进制分发包。

        注意：由于torch和torchvision版本已经确定，而且已知这两个轮子(whl文件被称为轮子)需要在Python版本为3.6的环境下使用。因此，此时环境的Python版本必须为3.6，如果不满足条件，需要重新创建一个Python==3.6的环境。

        之后使用轮子的安装方式将两个包装到新创建的环境中。

五、下载YOLOv5

直接通过命令克隆官网文件

git clone https://github.com/ultralytics/yolov5

此时默认安装在了这个路径下

C:\Users\Lenovo\yolov5

或者官网自行下载

六、错误及解决办法

        待更新。。。不过遇到的大部分问题基本都在注意事项里提到了

注意事项：

• 一定要把YOLOv5文件放在全英文路径下

• 下载权重文件要注意对应版本：

        找到Tags页面，下滑对应找到你下载的YOLOv5版本，这里以5.0版本为例

        下滑到最底端，找到Assets栏

         在这里下载你需要的权重，下载好以后放到YOLOv5模型的目录下即可

•  增大自己的虚拟内存

        搜索环境变量 

         找到“性能”->“设置”->“高级”->“更改”

        这里选择你YOLOv5所使用的环境所在的盘，我是使用的Anaconda环境，我的Anaconda装在了E盘，所以我需要增加E盘的虚拟内存。

        勾选自定义大小，初始大小和最大值可以一样，也可以将初始大小定义小一点。