其他分享
首页 > 其他分享> > Pytorch及Yolov5环境配置及踩坑

Pytorch及Yolov5环境配置及踩坑

作者:互联网

Pytorch及Yolov5环境配置及踩坑

1.何为Yolov5

yolo是计算机视觉方面用来进行目标检测的一个十分出名的开源框架,我搜不到官方的对此概括性的定义,但实际上也没什么必要,更重要的是会使用,更更重要的是理解其底层的实现逻辑

知乎

知乎2

对于我现在的数学水平,想了解底层实现逻辑的10%,都有些天方夜谭了,之后我可能会开一个文章专门跟进我学习的进度,也可能会在这篇文章的下面更新学习流程

1.何为卷积?

视频:【工程数学基础】3_变声的基础原理_理解卷积的含义_线性时不变系统的冲激响应与卷积

2.环境配置

1.Python

其实也可以在C++下进行Yolo的配置,但是我不想费事了,直接就在Python下搞了,而且我也推荐人们在Python下使用Yolo,虽然效率确实没有C++高,但实际上都是调用API,也没有什么差别

想要配置yolo这个大家伙,需要分为几个步骤

CUDA、CUDNN、显卡驱动

首先说一下安装这三个东西的原因,如果我们要进行物品识别,那就肯定要对视频进行一个分析,我们有两条路可以选,一条是不用你的GPU进行加速,另一条是用你的GPU进行加速,有什么区别呢?如果你不用GPU加速,那么你的CPU就会很难受,因为完全在用CPU跑训练,但是CPU根本就不是用来图形渲染的,你这不是难为人家吗?况且Pytorch辛辛苦苦写了这么多GPU加速,你视而不见,有点可惜了不是吗?

所以我们必须要搞一手GPU加速,为了我们好,也为了电脑多活几天

登录英伟达官网,选择相应的显卡型号,安装显卡驱动即可,验证安装是否成功的方式是在cmd中输入nvidia smi

CUDA的安装也是一样的,在英伟达官方根据你的显卡型号选择对应的CUDA版本即可,一般不是安培架构的GPU的话,推荐还是选择10.2这个版本,图灵架构在这个版本下会有更优越的表现

至于CUDNN,这个东西有点麻烦,你需要注册一个英伟达的账号才可以在官网下载

Anaconda

Anaconda指的是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。

Anaconda的安装也没有问题,在官网搜索下载,注意在安装程序时加入系统变量即可了

Pytorch

Pytorch的安装也没问题,搜索官网,唯一需要注意的是选择与你的CUDA版本所相对应的Pytorch版本安装即可,至于在哪里安装。

首先打开Anaconda prompt,输入anaconda create --name <env_name>,这里的env_name是你要创建的环境的名字

之后输入anaconda activate <env_name>进入你所要安装至的环境中,在Pytorch官网找到与你的CUDA版本所相对应的Pytorch安装指令,输入即可

用过Linux的应该都知道的,由于网络原因,下载之前要先进行一个换源的操作,推荐换清华源来进行安装,这个百度即可

Paddle

终于到了最后一步,我们需要安装百度的一个深度学习平台Paddle

同Pytorch的安装方法一样,进行你的Pytorch环境,在Paddle官网选择与你的CUDA版本相对应的Paddle版本安装指令进行安装即可,这里使用的是百度源,下载速度还是可以的


看似安装过程没什么问题,那么到底是哪里可能出问题呢?

我的问题出在环境安装结束后,缺少了很多其他第三方库的安装,例如torch进度条可视化,Scipy库等等,解决方法很简单,我们在anaconda下进入对应的pytorch环境,利用pip安装即可,注意换源的问题

之后又遇到了CUDA版本或是Torchvision与Torch不对应的问题,这个问题要到Pytorch在github上的开源仓库中进行解决,不幸的是我们只能先卸载我们辛苦安装的torch,之后找到与CUDA版本对应的pytorch进行安装即可

最后遇到的问题是模型训练时无法调用CUDA进行GPU加速,但实际上我是已经安装了CUDA的,这个问题的出现是因为没有安装CUDNN,去官网下载CUDNN添加至系统变量后重启电脑即可

这么大一个东西配置下来总而言之就是玄学,多踩坑也是学习了……

标签:Yolov5,配置,Pytorch,CUDA,版本,GPU,官网,安装
来源: https://www.cnblogs.com/appletree24/p/16484136.html