admin管理员组

文章数量:1590561

声明本人环境是

Python3.9 

pytorch1.11

CUDA 11.2

CUDNN 11.2

anaconda

1.下载Yolov5源码

GitHubYolov5官网 这里选择v5.0下载(可根据自己的需求改变)

下载完成后,解压在没有中文路径的地方。

2.安装anaconda

去官网下载anaconda选择版本,本人选择的4.10.3.

在安装过程中全部勾选,方便配置环境变量。

安装完成后创建新的虚拟环境。

选择python3.9 命名yolov5test(或者你想要的名字)

 等待创建完成

3.安装CUDA CUDNN

3.1CUDA安装

先去看看自己的显卡支持那个版本的CUDA

打开NVIDIA控制面板在打开    菜单----》帮助    在系统信息中选择组件,查看NVCUDA.DLL 就是你支持的CUDA版本。

 

去官网下载你的CUDA ,下载链接https://developer.nvidia/cuda-toolkit-archive

安装过程

第一次安装建议全选,选择自定义安装

 不要选Visual Studio Integration

 记住安装的路径,建议安装默认路径安装

 等待安装完成。。。。

安装完成后在环境变量中检查时候又这两个

 

3.2测试是否安装成功

运行cmd,输入nvcc --version 即可查看版本号;
set cuda,可以查看 CUDA 设置的环境变量。

nvcc --version

 set cuda

 

 3.3安装cuDNN

现在与CUDA对应版本的cuDNN。

官网连接https://developer.nvidia/rdp/cudnn-archive

 

 下载完成后解压

 将这些文件和文件夹直接拷贝到CUDA的安装目录下

默认安装路径是

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1

 

 拷贝遇到同名会直接复制进对应的文件夹,不用担心。

3.4添加系统变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\libnvvp

3.5检验安装是否成功 

配置完成后,我们可以验证是否配置成功,主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe:
首先win+R启动cmd,cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:

 

 到此CUDA和cuDNN的安装就完成了。

4.安装pytorch

pytorch更新挺快的,这里我安装的是1.11版本,暂时使用没有什么问题,如果需要安装老版本的请参考此文章

4.1去官网查询安装指令

PyTorch官网

 这里高版本的CUDA可以向下兼容,但是不能向上兼容。

进入创建的虚拟环境中,打开cmd输入一下指令

conda activate 你创建的虚拟环境名字

conda activate yolov5test

 

 然后输入查询到的指令

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

 开始安装(安装过程中不下载或者下载极慢,建议开热点下载,或者可以使用科技的力量)

5.yolov5项目测试

用pycharm打开yolov5源码

设置成你建立的虚拟环境。

 运行detect.py文件

 运行完后就可以在runs\datect\exp文件夹下看到bus和zidane两张照片 

 6.yolov5问题

6.1在运行detect,py后图片没有打标签

在detect文件53行加上一行代码

cudnn.benchmark = True

 其他问题参考另一篇博客,也可以留下评论

参考博客:

https://blog.csdn/weixin_43848614/article/details/117221384

 

本文标签: 显卡环境WindowsGTX