Anaconda虚拟环境+pytorch框架+pycharm配置yolo_v5环境

Anaconda虚拟环境+pytorch框架+pycharm配置yolo_v5环境

一、前言

首先用大白话介绍下他们各自是什么作用
Anaconda： 在深度学习的时候，需要不同版本的python等工具，如果都用base环境会出现版本不适配、不兼容无法正常工作的情况，那么Anaconda能够在pc上创虚拟环境出来，通过切换虚拟环境来安装不同深度学习工具，例如除base环境外，可以新建虚拟环境去搭建yolo环境而不影响base中的工具的版本，不存在不适配的情况。
pytorch： 一种用于构建深度学习模型的功能完备框架，是一种通常用于图像识别和语言处理等应用程序的机器学习。在这个框架下去构建yolo。
pycharm： 运行python的ide，当然也可以使用cmd的方式去运行，用pycharm这种ide的话开发起来舒服一下（前提是配置到位）。

二、Anaconda、pytorch、pycharm安装、yolov5下载

1、Anaconda安装

去清华的镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/下载Anaconda，我这里安装的是5.2.0的版本Anaconda3-5.2.0-Windows-x86_64.exe。
图文安装可以参考（点我，根据实际需要看要不要更换国内源，我没有更换）

1.1Anaconda中踩过的坑

（1）点击Anaconda Navigator一直处于初始化状态打不开
image.png
image.png
解决办法：把网断了就能打开了，但是每次都需要这样就很烦，所以干脆直接用cmd控制命令行完成虚拟环境的创建、切换、删除。

1.2Anaconda创建、切换、删除虚拟环境

以下通过win+R，输入cmd进行配置，一般常用的差不多这些，后面根据情况再补充。

（1）查询虚拟环境及信息（二选一即可）
conda info --e

conda info --envs

image.png

（2）创建虚拟环境（需要输入所需的环境名、所需环境的python版本）
conda create -n 把我换成英文名 python=把我换成版本例如3.7

image.png
image.png

（3）切换虚拟环境（切换完成之后可以看到cmd命令行前面会有一个括号，里面写着你的虚拟环境名）
conda activate 之前配置的环境名

image.png

（4）退出虚拟环境
deactivate

image.png

（5）删除虚拟环境
conda remove -n 需要删除的环境名 --all

image.png

2、pytorch安装

现在手上这一台是没有英伟达显卡的轻薄本，所以只能用cpu去跑，琢磨了一下现在有通过雷电3、4外接显卡的方案，有兴趣的可以试一下，然后通过查询支持的CUDA版本去pytorch，这里就按照CPU版本进行介绍。
官方网址
打开pytorch的官网（点我），找到下图所示位置完成选择，复制最下面的一句话

pip3 install torch torchvision torchaudio

image.png
在cmd命令窗口中切换到之前创建好的虚拟环境当中，输入该命令，等待即可。

3、pycharm安装及配置

pycharm专业版和社区版，专业版有30天的试用期，社区版免费，这里不建议大家初学者安装官网的最新版本，后面我会讲我踩过的坑（可能最大的原因是网上最新版软件教程少，基本上都用的是老款），安装比较简单，记得最后一栏选择reboot later和reboot now都行，我安装的是2020.3.5 x64社区版本
安装地址
官网下载地址（点我，滑到最下面有免费版）
老版本下载地址（点我）

4、yolo_v5及权重文件下载

官方网址（点我，这是个github网址）
这里要注意的是版本问题，我下载的是yolo_v5的5.0版本，那么权重文件也要下5.0版本。
image.png
image.png
image.png

三、yolo平台搭建并运行demo

1、源码和权重文件的放置

算是被Quartus等国外软件憋过来的一个习惯吧，习惯放在英文路径下。
image.png
权重文件放在解压后的文件夹中，注意路径和文件名的问题
image.png

2、pycharm配置

2.1pycharm打开yolo的工程

image.png

2.2pycharm配置

还记得我们前面还用Anaconda生成的虚拟环境吧，我命名的虚拟环境名是yolo5，现在我们就是要使用虚拟环境里面的环境来运转yolo，需要使用Interpreter Settings选择虚拟环境配置。按照下面的步骤进行添加。
image.png
image.png
还记得上面提到过建议使用旧版pycharm吧，如果你用的是新版就不是下面这个界面了，我在新版那儿徘徊了很久，然后换成了cmd的方法把虚拟环境配置完了pycharm里面还是有些对不上，后来用回旧版按照下图一下子就配上了。（新旧版本发生改变，又是初学者所以一直没有搞合适，所以直接用旧版了，望理解）
image.png
那么到这里就算是把虚拟环境和pycharm对接上了，可以看到右下角现在会显示python的版本和所属的虚拟环境名，当你开发不同工程需要使用不同环境的时候就可以通过右下角切换虚拟环境进行开发。
image.png

3、yolov5_demo运行

3.1安装库

接下来对yolov5工程所需的库进行安装，官方代码里面requirement.txt中已经列出了所需要的库，我们只需要在终端Terminal中输入命令即可，可以看到刚才选择编译器之后，我们的终端命令行前面会出现（虚拟环境名），这就表示我们现在的操作都是在虚拟环境中进行的，包括安装相关的库。

pip install -r requirements.txt

image.png
等待安装完成，常见的问题我列举一下，后面看情况再补充
一个是opencv-python，另一个是pycocotools
2$JTZ$55RFDH0BPOHUVP3.png

3.2运行demo

这是一个识别的demo。
在终端Terminal中输入命令即可

python detect.py

原图片的位置在yolov5-v5.0\data\images这个路径下。
image.png
运行之后的位置在yolov5-v5.0\runs\detect\exp这个路径下。
image.png

3.3运行demo过程中可能遇到的问题

第一个问题是：AttributeError: Can‘t get attribute ‘SPPF‘

我找到的解决办法在这（点我），因为踩过坑所以在前面就提到过要下载对应的权重文件，默认是下载最新的权重，那么就会和我们旧版本的yolo不对应。

第二个问题是：AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘

我找到的解决办法在这（点我），这块咱也不懂，照着来就能跑了

后面还是一边学一遍更，不出意外的话是标注图片，训练自己的图片识别模型，视频识别模型。

posted on 2024-08-22 15:04  naive156  阅读(38)  评论(0)  编辑  收藏  举报  来源

导航