yolov5训练的时候没有使用gpu yolov5怎么用gpu

下面有我自己配置的步骤

1.项目下载到本地

2.进行环境的配置

（1）Python安装

（2）Anaconda安装

（3）pycharm安装

3.使用CPU运行项目

4.使用GPU运行项目

---

1.项目下载到本地

（1）从GitHub上下载项目，这个是官方的yolov5

GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLiteYOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite. Contribute to ultralytics/yolov5 development by creating an account on GitHub.

https://github.com/ultralytics/yolov5

（2）点击右上角的code，然后点击Download Zip ，浏览器会自动开始下载

（2）或者如果用CSDN的加速跳转的页面，直接点击下载zip

（3）将yolov5-master.zip压缩包解压为文件夹

2.进行环境的配置

（1）安装Python

下载地址：Download Python | Python.org

我选择的版本是Python 3.8.10点击Downloade下载

选择符合电脑的版本

双击打开安装python

安装参照：Python环境安装配置tips_disable path length limit选不选-CSDN博客

全部勾选

（2）Anaconda安装

  下载地址Free Download | AnacondaAnaconda's open-source Distribution is the easiest way to perform Python/R data science and machine learning on a single machine.

https://www.anaconda.com/download

点击Downloade下载

双击安装包

如果C盘够用无脑安装下一步，我之前安装到其他盘时，后续出现不知名错误不知道有没有关系，后来再次直接安C盘了

安装时间会比较久

Finish自动启动Anaconda3

（3）pycharm安装：可以在Anaconda3界面中下载PyCharm

双击打开安装包

勾选Add “bin” folder to the PATH后，自动添加环境变量，无需手动配置。

安装完成后需要重启电脑

可以在Anaconda3界面中启动PyCharm，首次启动可能会让你激活注册，可以暂时选择免费体验

详情安装请参照最详细的PyCharm安装保姆级教程来啦~快来围观吧！ - 知乎

打开之前下载解压的yolov5文件夹

选择yolov5路径

3.使用CPU运行项目

（1）先创建PyCharm的环境参考视频创建

命令：conda create -n yolov5 python=3.8

 视频教程：3 如何用Anaconda创建pycharm环境

看到视频教程3时注意一下，在04分45秒开始让下载包pip install *** 文件。可以先不下载包之后在pycharm中也可以下载，因为在下载的yolov5文件中有个requirements.txt文件，可以全部下载需求的文件

点击设置，刚进来时显示无解析器，点击右侧添加解析器

选择刚刚创建的解析器

添加之后会显示yolov5解析器现有的依赖包，包暂时还不够

点击确定之后需要一些时间等待右下角加载解析器的配置

这个时候打开train.py、detect.py会报错

现在需要打开名为requirements.txt的文件

执行pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

会自动下载全部依赖包

下载完依赖包后可能文件还会报错，需要重新加载一下解析器

如果加载解析器还是报错，可以重启PyCharm

重启PyCharm后还是报错可以再执行一遍pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

详情参照：yolov5，如何使用CPU/GPU运行——安装环境及依赖（详细，简单易懂）_yologpu-CSDN博客

没有报错之后运行train.py，先将default=100修改为default=3

如果你的电脑上没有装git，运行时会出现git xxx 报错，

在代码开头加上这一行指令可解决
os.environ['GIT_PYTHON_REFRESH'] = 'quiet'

运行开始时，有CPU字样，代表项目是使用CPU运行的

运行后，会从网上下载一些预训练权重，可能比较慢（如果一直卡住不动，可以停止再运行一次），下载完可以看到模型结构

运行结束，可以看到运行结果保存在了runs文件夹下

训练完后，出现yolov5s.pt权重文件

此时运行detect.py 

参考：YOLO v5 实现目标检测_yolov5目标检测-CSDN博客

1、检测图片

运行成功会在runs/detect/exp或者exp1、exp2...中保存训练后的文件

2、检测视频

可以把想检测的视频放入新建的 data/video 的文件夹中，将代码改成 default=ROOT / ‘data/video’ 即可；video文件夹没有可以在data创建目录video

3.检测摄像头

• 开启摄像头检测，将代码改成 default=‘0’，便可开启自带摄像头
• 将代码改成 default=‘1’，便可开启 USB 摄像头，进行动态的实时检测
• 摄像头或者手机录制时点击窗口按键盘q结束录制

4、 连接手机摄像头

• 手机和电脑在同一局域网下（即连接的是同一个 WIFI）
• 下载 IP 摄像头 Lite

报错原因：上述修改未加上用户名和密码 admin：admin@

摄像头或者手机录制时点击窗口按键盘q结束录制

4.使用GPU运行项目

请在看完3.CPU运行方法后再看这一节

首先我们要知道pycharm使用GPU训练 需要哪些东西：

首先是CUDA，CUDA是英伟达发行的深度学习依赖，安装这个依赖才能在pycharm中调用GPU

其次是把环境中的框架（yolov5为pytorch）从CPU版换成GPU版

最后在train.py中 更改控制驱动器的参数  就成功设置成GPU运行了

（1）安装CUDA和cuDNN

• 视频教程：1 手把手教你安装CUDA和cuDNN(1)
• 视频教程：2 手把手教你安装CUDA和cuDNN(2)

视频教程2看完之后，要记得重启电脑哦

• 视频教程：3 如何用Anaconda创建pycharm环境

看到视频教程3时注意一下，在04分45秒开始让下载包pip install *** 文件。可以先不下载包之后在pycharm中也可以下载，因为在下载的yolov5文件中有个requirements.txt文件，可以全部下载需求的文件

（2）torch换成GPU版

由于我们已经装好了环境（没装的看上面的CPU运行方法里有）

所以我们只需要将其中的pytorch卸载掉，然后装对应的版本就可以，别的库不用动

打开pycharm，在设置中找到当前环境

选中torch和torchvision，点上面的减号删除

然后我们来到pytorch的官网，里面有针对cuda版本的torch版本

pytorch官网网址

全是英文，但我们不用慌，我们要找的是pip开头的代码，往下划可以找到

找到linux and windows下，自己cuda版本的代码，我这里是11.8 

注意是pip开头的代码，不是conda开头的代码

复制代码

在终端输入代码，运行，注意这一行不要加镜像源

很大，有2.7G，网不好的情况下可能下的很慢，但是没有办法，只能慢慢下

安装完毕后，就只剩最后一步了

打开train.py 来到466行左右，找到device，将default参数改为字符型的‘0’，注意加引号

然后直接运行train.py

这次可以看到显卡型号和GPU，说明已经成功调用GPU了

运行detect.py

结束

调用网络摄像头

1、将地址修改为网络摄像头直播地址（每个品牌不一样，一般都是在云开发平台中获取，我用的是萤石云开发平台获取的），这样就能在线观看训练好的权重文件了

将识别的视频、图片以截图的形式分类存储

1、将detect.py文件中的save-crop修改为default=True

2、将数据实时存入到文件夹下，head没有佩戴安全帽，helmet安全帽，person人这三类是训练时设置的

3、head中存入未佩戴安全帽的人员的头像