摘要:本文介绍如何搭建yolo v7搭配环境。作者marsloving作为小白,看了很多篇搭建文章,运行过很多次 YOLO 报错。所以希望其他人也可以走少点弯路。
本文链接:小白级yolo v7搭配环境_自由marsloving的博客-CSDN博客
工具:anaconda;pycharm;pytorch;cuda;yoloV7
一.源码下载:
下载YOLO V7源码:下载地址https://github.com/WongKinYiu/yolov7
二.创建虚拟环境:
目的是:获得yolo 所需的pytorch等环境库
1、下载anaconda:
下载地址:Anaconda | The World’s Most Popular Data Science Platform
2.配置 anaconda 虚拟环境
点击进入 anaconda 的cmd 环境
3.创建虚拟环境
creat conda -n yolo python=3.8
注意:
- YOLO 是虚拟环境的名称,可以自行变更,如 YOLOv7
- Python=3.8 是考虑 pytorch以及cuda的版本,而作者的显卡是家用游戏显卡 Nvidia 1660 TI 算力 6.1。 如果更高性能系列的显卡,可以考虑更高版本。
4.激活虚拟环境
Activate yolo
cd C:\Users\PC\Desktop\yolov7-main
5.下载yolo 所需的文件
pip install -r F:\objectdet\yolov7-main/requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
6.确认下载是否成功以及安装cuda:
pip list
这时,pytorch 没有cuda,用不了显卡推理
安装 cuda
pip install torch==1.8.2+cu102 torchvision==0.9.2+cu102 torchaudio===0.8.2 -f https://download.pytorch.org/whl/lts/1.8/torch_lts.html -i https://pypi.tuna.tsinghua.edu.cn/simple
注意:
不同显卡的cuda 版本不同,作者是安装cu102. 安装的版本可以参考显卡的算力,作者显卡算力是6.1。
NVIDIA cuda 对应表
Release Notes :: CUDA Toolkit Documentation
7.下载与配置pycharm环境
选择安装 pycharm community
安装成功后,打开 yolo main所在的地址
设置本地解析器
设置解析器
显示全部
选择 anaconda 设置的虚拟环境
三、测试推理
在下载yolov7 的源文件地址 下载权重:https://github.com/WongKinYiu/yolov7
下载 权重文件
将文件 放到 yolo main 文件下(可以自己新建文件夹,但配置需要同步修改,否则找不到文件,报错 attempt to download(找不到文件,尝试下载))
在dect.py 的文件下修改,对应的配置(权重文件的地址,与cpu)
填写使用 CPU(如果填写0,则用显卡推理), 因为显卡还未安装对应的驱动cudnn 和cuda平台
直接运行 dect文件,如果出现了推测框,则恭喜你,成功安装了!
四、安装N显卡cuda的驱动(统一计算架构)
先下载cuda版的驱动,删除旧驱动,然后安装cuda版以及cudnn。
参考:https://blog.csdn.net/weixin_64524066/article/details/126840322
其他参考:yolov7: 从搭配环境到训练自己的数据集_与君初相识的博客-CSDN博客_yolov7 github
文章出处登录后可见!