YOLO系列环境配置及训练

目录

前言

一、下载所需

1、Anaconda安装

2、NVIDIA 驱动程序安装

3、CUDA安装

4、CUDNN下载及配置

二、环境配置 

1、虚拟环境创建

2、Pytorch安装

3、pycharm环境切换及剩余库的安装

4、YOLO代码的测试及训练配置步骤

(1)测试

(2)数据集准备

(3)开始训练

补充

可能报错及解决:


前言

        为方便整理,一下以最经典的YOLOv5为基准,其他YOLO系列代码亦可参考以下步骤

一、下载所需

1、Anaconda安装

        Anaconda下载地址:Free Download | Anaconda

         正常下载后,我们一路默认安装即可(PS:安装路径可自行选择,为方便下面的路径叙述,本文采用默认安装路径C:\ProgramData\anaconda3),接下来找到系统的环境变量板块,如下:

         进入“环境变量”编辑

        进入系统变量的Path:

        找到Anaconda安装的目录,并将下面四个文件夹的地址录入Path:

确定保存后,我们进入Anaconda Prompt,并输入下方命令检查安装情况:

conda --version

若出现conda及其对应版本,则视为成功:

2、NVIDIA 驱动程序安装

        NVIDIA 驱动程序下载:官方驱动 | NVIDIA

根据电脑配置搜索并下载安装:

安装完毕后,进入Anaconda Prompt 输入,如下指令查看显卡支持的最高CUDA版本:

nvidia-smi

3、CUDA安装

        CUDA下载地址:CUDA Toolkit Archive | NVIDIA Developer

为与后面的Pytorch安装做准备,请务必进入Pytorch官网查看对应CUDA版本要求 

        Pytorch官网:PyTorch

例如上图,我们选择对应的CUDA版本下载: 

 进入后,按照电脑配置依次选择:

下载完成后打开安装包,安装路径选择默认即可,并选择自定义,全选,等待安装完毕:

 

4、CUDNN下载及配置

        CUDNN下载地址:cuDNN Archive | NVIDIA Developer 选择对应的CUDA版本下载 

 下载完成 并 解压缩后,将其如下三个文件夹内的 内容,拷贝一份进CUDA安装目录下的对应文件夹中:

二、环境配置 

1、虚拟环境创建

        进入Anaconda Prompt 输入,如下指令:

conda create --name {自己命名的环境名称} {追加指定Python版本}

例如:
conda create --name road python=3.8

        输入 “Y” 继续:

结束后可输入以下命令查看所有环境,以及进入所需环境:

查看环境

conda env list

进入环境

activate road

如下,前置括号显示环境名则视为成功进入:

2、Pytorch安装

pytorch官网: PyTorch

根据之前的CUDA版本选择后,复制框内命令:

粘贴至 已切换到虚拟环境的Anaconda Prompt中进行 torch的安装,中途输入“Y”继续:

安装完毕后,在终端依次输入如下命令检查,若为“True”,则视为成功: 

3、pycharm环境切换及剩余库的安装

        打开pycharm,在右下角进入环境选择:

 

        选择完后,确定即可

下载一份YOLOv5源码,并在Pycharm中打开:GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

找到主目录下的requirements.txt,并注释掉torch的安装(默认会下载CPU版本,固在上面独立安装torch):

 在已切换至对应环境的Anaconda Prompt中,将路径切换至requirements.txt对应目录下,并输入如下命令(若因网络问题,可临时换源进行下载):

pip install -r requirements.txt

临时换源安装:
pip install -r requirements.txt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

 等待剩余库安装完毕即可

4、YOLO代码的测试及训练配置步骤

(1)测试

        我们找到主目录下的detect.py文件直接运行测试,如下图所示,runs/detect中有运行结果,则视为成功:

(2)数据集准备

        准备一份数据集(有图片及对应的标签),按如下分配方式将图片放至images文件夹中,标签文件放至labels文件夹中:

在images文件夹中,将图片按照比例分至train,val文件夹中(如有需要可再增加test文件夹) ,labels文件夹中对应的标签文件做同样的处理:

注意: 各个标签文件夹中为保险起见,都加入名为classes.txt的文件,里面按列保存所有标签名

数据集准备完毕后,我们在data中新建一个后缀为.yaml的文件,内容如下:(路径不得含有中文)

 接着,在models文件夹中选择自己所需的模型配置文件,并打开修改里面的标签类型总数:

(3)开始训练

最后在train.py文件的parse_opt函数中修改一下对应参数:

从上到下依次为 ①权重文件;②模型配置文件③模型配置文件;④训练轮数设置;⑤显存占用大小设置(就是一次往GPU哪里塞多少张图片);⑥线程数设置;

其中,第一行所需的weights权重文件可在YOLO官方文档中下载: 

GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

 设置好后,则可以运行train.py开始训练

 若出现以下界面则视为成功:

补充

可能报错及解决:

若出现以下错误:

ImportError: Failed to initialize: Bad git executable. 

可在train.py文件的头部加上下面代码解决:

os.environ["GIT_PYTHON_REFRESH"] = "quiet"

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/117949.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

PubDef:使用公共模型防御迁移攻击

对抗性攻击对机器学习系统的可靠性和安全性构成了严重威胁。通过对输入进行微小的变动,攻击者就可以导致模型生成完全错误的输出。防御这种攻击是一个很活跃的研究领域,但大多数提议的防御措施都存在重大的缺点。 这篇来自加州大学伯克利分校研究人员的…

初始JVM虚拟机

JVM组成 图解 程序计数器 在JVM线程私有的内存区域中。每个线程都有自己独立的程序计数器。 程序计数器用于存储当前线程正在执行的字节码指令的地址。指示着当前线程执行到了哪一条字节码指令。 堆 是线程共享的区域,用于存储对象的实例和数组对象; …

青翼科技-国产化ARM系列TES720D-KIT

板卡概述 TES720D-KIT是专门针对我司TES720D(基于复旦微FMQL20S400的全国产化ARM核心板)的一套开发套件,它包含1个TES720D核心板,加上一个TES720D-EXT扩展底板。 FMQL20S400是复旦微电子研制的全可编程融合芯片,在单…

K8S知识点(三)

(1)环境搭建-环境初始化 Centos的版本是有要求的必须是7.5或以上,否则安装出来的集群是有问题的Node节点可能加入不到集群中来 详细步骤 1.同时连接三台服务器:查看一下版本 是否正确 2.主机名解析,方便节点之间的…

【ARMv8 SIMD和浮点指令编程】浮点加减乘除指令——四则运算

浮点指令有专门的加减乘除四则运算指令,比如 FADD、FSUB、FMUL、FDIV 等。 1 FADD (scalar) 浮点加法(标量)。该指令将两个源 SIMD&FP 寄存器的浮点值相加,并将结果写入目标 SIMD&FP 寄存器。 该指令可以产生浮点异常。根据 FPCR 中的设置,异常会导致在 FPSR 中…

Vue Vue3

1、创建VUE3工程 使用vue-cli创建: ## 查看vue/cli版本,确保vue/cli版本在4.5.0以上 vue --version ## 安装或者升级你的vue/cli npm install -g vue/cli ## 创建 vue create vue_test ## 启动 cd vue_test npm run serve 使用vite创建: …

ClickHouse 学习之从高级到监控以及备份(二)

第 一 部分 高级篇 第 1 章 Explain 查看执行计划 在 clickhouse 20.6 版本之前要查看 SQL 语句的执行计划需要设置日志级别为 trace 才能可以看到,并且只能真正执行 sql,在执行日志里面查看。在 20.6 版本引入了原生的执行计划的语法。在 20.6.3 版本成…

计算机网络第4章-IPv4

IPv4数据报格式 IPv4数据报格式如下图所示 其中,有如下的关键字段需要特别注意: 版本(号): 版本字段共4比特,规定了数据报的IP协议版本。通过查看版本号吗,路由器能确定如何解释IP数据报的剩…

深度学习之基于Tensorflow卷积神经网络花卉识别系统

欢迎大家点赞、收藏、关注、评论啦 ,由于篇幅有限,只展示了部分核心代码。 文章目录 一项目简介 二、功能三、系统四. 总结 一项目简介 深度学习是一种机器学习方法,它通过模拟人脑神经网络的结构和功能来实现对数据的自动分析和学习。卷积神…

libpthread.so.0: cannot open shared object file: No such file or directory

linux 系统下 /lib64/libpthread so 库文件千万不要修改,不然后果很严重,像我好奇把/lib64/libpthread-2.17.so 改成 libpthread-2.17.so.old,因为 libpthread.so 和 libpthread.so.0 都是软链接,最终链接到的是 libpthread-2.17…

Docker安装Minio(稳定版)

1、安装 docker pull minio/minio:RELEASE.2021-06-17T00-10-46Z docker run -p 9000:9000 minio/minio:RELEASE.2021-06-17T00-10-46Z server /data 2、访问测试 3、MinIO自定义Access和Secret密钥 要覆盖MinIO的自动生成的密钥,您可以将Access和Secret密钥设为…

win10下.net framework 3.5 | net framework 4 无法安装解决方案

.net缺失解决方案 win10 .net framework 3.5组策略设置方案一方案二 win10 .net framework 4 参考文章 win10 .net framework 3.5 组策略设置 方案一 搜索组策略,依次展开“计算机配置”、“管理模板”,然后选择“系统”,找到指定可选组件…

SpringBoot整合Kafka (一)

📑前言 本文主要讲了SpringBoot整合Kafka文章,如果有什么需要改进的地方还请大佬指出⛺️ 🎬作者简介:大家好,我是青衿🥇 ☁️博客首页:CSDN主页放风讲故事 🌄每日一句:…

极致性能优化:前端SSR渲染利器Qwik.js | 京东云技术团队

引言 前端性能已成为网站和应用成功的关键要素之一。用户期望快速加载的页面和流畅的交互,而前端框架的选择对于实现这些目标至关重要。然而,传统的前端框架在某些情况下可能面临性能挑战且存在技术壁垒。 在这个充满挑战的背景下,我们引入…

安全好用的远程协同运维软件重点推荐-行云管家

对于运维小伙伴而言,一个安全好用的远程协同运维软件至关重要,不仅可以提高工作率,降低工作风险,还能快速解决运维难题。目前市面上远程协同运维软件品牌比较多,这里我们小编给推荐行云管家IT远程协同运维平台。 安全…

LeetCode 面试题 16.17. 连续数列

文章目录 一、题目二、C# 题解 一、题目 给定一个整数数组,找出总和最大的连续数列,并返回总和。 示例: 输入: [-2,1,-3,4,-1,2,1,-5,4] 输出: 6 解释: 连续子数组 [4,-1,2,1] 的和最大,为 6。…

IDEA中配置Maven

一、Maven下载 首先我们进入maven官方网站,进入网页后,点击Download去下载 下载免安装版,解压即可,解压至磁盘任意目录,尽量不要取中文名如下图: 二、配置Maven环境变量 复制Maven所在的路径 D:\maven\apache-maven-3.6.3,此电脑右键选择属性->高级系统设置->环境…

UE5——源码阅读——100——渲染——高清截图

创建事件,用于代码的调试 获取当前客户端所属的World 标记是否在进行重入绘制 是否开始缓存区可视化转存帧,主要针对请求屏幕截图或电影转存 判断是否需要高清截图 这下面这个函数执行高清截图 是否需要缓存区的可视化转存 判断是否开始渲染 如果…

黑盒测试用例设计方法之等价类划分法

等价类划分法是一种典型的黑盒测试用例设计方法。采用等价类划分法时,完全不用考虑程序内部结构,设计测试用例的唯一依据是软件需求规格说明书。 等价类 所谓等价类,是输入条件的一个子集合,该输入集合中的数据对于揭示程序中的…

MySQL 排序,分组,Limit的优化策略

目录 1. MySQL 中的两种排序方式 2. 排序优化策略 2.1 对排序字段添加索引 2.2 可以和WHERT字段创建联合索引 2.3 优化 FilerSort 排序方式 3. 分组优化策略 3.1 能WHERE不HAVING 3.2 减少ORDER BY,GROUP BY,DISTINCT 3.3 遵照最左前缀法则 4.…