本次环境:windows10 21h2专业版 1070 8G显卡 2697V3CPU
一、安装Anaconda
下载地址Anaconda |
安装过程中,要选择增加环境变量,如果是灰色的不能选或忘了选,安装完成后也可以手动添加。比如我这台电脑就是灰色的不可选,之前安装的版本并不会,不知道是win更新的缘故还是Anaconda更新了版本的缘故。
2.手动为Anaconda添加环境变量
我的电脑–属性–高级系统设置–环境变量–系统变量–选中path–编辑–新建4个环境变量
D:\anaconda3
D:\anaconda3\Scripts\
D:\anaconda3\Library\bin
D:\anaconda3\Library\mingw-w64\bin
完成后运行CMD,输入conda -V,如果返回conda版本号。则安装正确。
二、安装Pycharm
pycharm是编译运行python的平台,yolov7的源码基本都是python语言。
官网:PyCharm:JetBrains为专业开发者提供的Python IDE
记得下载Community版本的,免费。
安装过程中Add”bin”folder to the PATH(添加pycharm的bin目录到环境变量path中)要选中,其它随意。
安装完成后重启电脑。
三、安装cuda
这里出问题的几率很大,在安装之前,先看一下自己的的显卡cuda版本,然后下载对应版本的cuda.
运行cmd输入:nvidia-smi 查看自己显卡cuda版本,比如我的是11.6(如果提示未找到nvidia-smi此命令,去nvidai显卡安装目录找一下,切换到此目录运行nvidia-smi就可以了。一般在C:\Program Files\NVIDIA Corporation\NVSMI下。
跟据显卡支持的cuda,下载对应的版本。这里不建议下载最新的版本,这样后续其它环境可能找不到对应的版本,会很麻烦。选一个低版本即可。我显卡支持到11.6。但我下载的是11.0版本。
下载地址:CUDA Toolkit Archive | NVIDIA Developer
进入下载页面后选择local 完全下载到本地,方便如果安装失败,可进行重新安装。network是在线下载安装。
安装
如果第一次安装,直接精简安装即可。如果安装失败过,可以尝试点开CUDA, 取消Visual Studio Integeration的勾选试试。
安装完成后会自动添加以下四个变量,如果没有,要手动添加。
win +R cmd进入,输入nvcc -V 验证是否安装成功。如果能看到自己的版本号,就说明基本没有问题了
下载cudnn,选择与刚刚下载的cuda相对应的cudnn版本进行下载。这里下载需要注册。
下载地址:CUDA Deep Neural Network (cuDNN) | NVIDIA Developer
下载for windows版本,解压得到复制bin include lib三个文件夹,复制这三个文件夹到cuda安装路径。
至此,Anaconda pycharm cuda cudnn都已经安装完成了,外部的这些环境已经安装完毕。
四、虚拟环境安装
win+R cmd进入终端 输入 conda create -n 自定的环境名 python=X.X
环境名自己取,python版本建议3.7以上,比如python 3.8
conda create -n yolo python=3.8
安装完成后activate yolo(环境名)进入到指定环境 deactivate退出环境。
在创建好的环境下,安装pytorch
进入装pytorch官网:PyTorch
点击Previous versions of PyTorch下载早期的版本。
找到和自己cuda对应的版本,选择wheel下的pip下载指令,复制pip指令到刚才创建环境回车进行安装。2G大小,又是外网,可能时间比较久。
下载完成安装时错误!!!
ERROR:Could not find a version that satisfies the requirement torch==1.10.0+cu102(from versions:none)此类错误一般是系统变量的python版本和虚拟环境的python版本不一致造成,安装Anaconda时给我们安装了python3.9并添加到了系统变量中,而我们刚才创建的yolo虚拟环境使用的python3.8。所以出错。
解决:把yolo虚拟环境使用的python3.8中的Scripts文件夹添加到系统变量中,并且上移到Anaconda的变量上方因为环境变量搜索按照从上往下的。
随后重新打开CMD,重新进入环境安装成功。
下载慢的话可以切换国内镜像,在复制的安装命令后添加:-i https://pypi.tuna.tsinghua.edu.cn/simple some-package 形成如下:
pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
检查
activate 进入环境之后输入python, 进入python命令端后输入import torch,再次输入torch.__version__
输出对应型号的时候就说明安装成功了
五、yolov7
下载yolov7:GitHub – YOLOv7
点击Code,Download ZIP 把yolov7的源码包下载下来
解压到一个目录,CMD进入这个目录,activate yolo进入虚拟环境。安装依赖,执行下方PIP。
pip install -r requirements.txt
或(国内用下面的清华的源会快一些)
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
安装完成后下载权重,一个是Test用的yolov7.pt
一个是之后 Train 用的yolov7_training.pt
在yolov7的文件夹路径下建一个weights文件夹,然后把刚刚下载好的两个权重放进去。
detect(检测)
进入虚拟环境,输入以下指令
–weights 指令就是代表权重 –source 是照片存在的路径
python detect.py --weights weights/yolov7.pt --source inference/images
进入runs–>detect–>exp 里面有所有预测好的照片
环境搭建完毕 明天实战。
评论0