深度学习 — yolov5 算法环境(GPU / CPU)搭建与使用
文章目录yolov5 算法环境搭建一、环境依赖二、搭建过程yolov5 算法环境搭建一、环境依赖anacodapython >= 3.8CUDA,cudnntorch>=1.6二、搭建过程创建 python 环境:
·
深度学习 — yolov5 算法环境(GPU / CPU)搭建与使用
一、环境依赖
- anacoda
- python >= 3.8
- CUDA,cudnn
- torch>=1.6
二、搭建过程
1. GPU环境
-
anaconda 安装与使用:
参考我的另一篇博客:https://blog.csdn.net/pentiumCM/article/details/104106636
-
安装 CUDA:
官网下载地址:https://developer.nvidia.com/cuda-10.2-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
下载完直接安装即可。
- 创建 python 环境:
conda create -n yolov5 python=3.8
- python环境内安装pytorch:
版本对应,参照官网:https://pytorch.org/
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
-
下载 yolov5 的源代码:
https://github.com/ultralytics/yolov5
-
安装 python 依赖包:
pip install -r requirements.txt
2. CPU环境
当我们电脑中没有 NVIDIA 的显卡时,我们可以采用 CPU 版本的 pytorch 来进行 yolov5 的实验。
具体调整如下:
-
不需要安装 CUDA,cudnn
-
pytorch 安装命令:
conda install pytorch==1.6.0 torchvision==0.7.0 cpuonly -c pytorch
其余步骤与 GPU 环节一致。
三、yolov5使用
-
使用预训练的模型:
-
直接运行项目根目录下面的 detect.py 文件即可,生成的检测结果在 output 文件夹中
-
直接使用摄像头:
python detect.py --source 0
-
更多推荐
已为社区贡献9条内容
所有评论(0)