yolov8 windows系统 GPU环境搭建 yolov5 windows

为了写这一篇文章，我是从新创建了一个虚拟环境，一边配置一边记录。一来时记录一下之前的入的坑，二来是为了方便后来学习者。话不多说，进入主题----------------

yolov5 github链接

https://github.com/ultralytics/yolov5

Anaconda创建虚拟环境

conda create -n yolov5_pro python==3.7

上面的bash指令是创建一个名称为yolov5_pro的虚拟环境，python版本是3.7。
创建好yolov5_pro环境以后，使用下面的指令进入该环境下进行操作：

conda activate yolov5_pro

到此处已经创建好虚拟环境。

配置yolov5环境

直接引用github上面的指令是和本人安装的cuda冲突，最后的结果是没法使用cuda加速。所以我打算先安装pytorch，自己选择cudatoolkit版本。

链接：https://pytorch.org/get-started/locally/

例子就按照作者本人环境来安装：

安装完成以后，打开pycharm，导入先前下载好的yolov5代码。找到我们创建好的yolov5_pro虚拟环境。

（静静等下面的进度条更新完以后再操作哦！）

然后自行创建一个文件，文件名称自己设置即可，代码如下：

[目的是测试下cuda是否在该环境下（yolov5_pro）可用]

import torch

print(torch.cuda.is_available())

一会时间结束以后，打开train.py文件以后，看到上面缺失了部分环境。我是选择挨个进行下载，为的就是防止之前安装的环境被更新。

依次安装环境代码如下：

pip install matplotlib

pip install opencv-python

pip install opencv-python

pip install scipy

pip install tqdm

pip install tensorboard

pip install seaborn

>pip install thop

环境配置到此结束！

运行train.py

数据集VOC格式的准备我就在这篇文章上没有明确的说明了。不懂得就问我哦。

train.py的一些设置如图所示（本人设置）。如果电脑配置（好）差一点的话可以根据自己的需要设置一下。

Model使用的是yolov5s。

训练的结果保存在了runs下面的。

运行结果图。

.