yolov7环境搭建——Windows

这篇具有很好参考价值的文章主要介绍了yolov7环境搭建——Windows。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

Windows下Anaconda4.9.2+Pycharm Community+CUDA10.1+CUdnn7.6.5.32+PyTorch1.7.1环境配置

一、搭建anaconda

安装Anaconda主要是搭建python的虚拟环境,之后我们进行yolov7的detect和train都会在终端进行

安装环境包:

链接:https://pan.baidu.com/s/1GYOa9JfRMsz8rL12ptBLOA?pwd=1234

提取码:1234

安装步骤:

C盘空间不足,可以保存到其他盘:

这里只选第二个,第一个环境配置等安装完,手动配置。

手动配置环境变量:

path下,输入

以下内容不能出错:
E:\tools\anaconda3
E:\tools\anaconda3\Library\mingw-w64\bin
E:\tools\anaconda3\Library\usr\bin
E:\tools\anaconda3\Library\bin
E:\tools\anaconda3\Scripts

验证安装是否成功,cmd下输入 conda -V,出现如下信息就代表安装成功

二、pycharm

pycharm有专业版和社区版,我用的社区版

安装很简单,先用社区版

三、CUDA

在安装CUDA之前,需要看一下自己电脑的显卡版本,cmd终端输入nvidia-smi,我的显卡是GTX-1650

下面是这些参数的一个解释

然后我们会看到表格的右上角有一个 CUDA Version:10.2,所以说如果超过10.2版本的cuda我的电脑是没能力支持的,我只能安装cuda 10.2以下的版本。不要安装最新的版本cuda,这样后续其他环境的安装可能就找不到对应的版本,导致重新安装会非常的麻烦 所以我安装的是cuda 10.1版本 如果你的显卡不支持10.1以上版本就安装你相对应能够匹配的版本。

接下来,删掉你电脑里存在的所有nvidia的插件,除了

yolov7环境搭建——Windows和)

卸载完之后

用我给的cuda_10.1.105_418.96_win10.exe或者去官网https://developer.nvidia.com/cuda-toolkit-archive找10.1

为什么有些不卸载,因为个人电脑配置不一样,看下面这张图,比如说我的Display Driver是441.45版本,但是要安装的版本是418.96,这样的话就不选择,总之就是留下高版本,这样能兼容低版本

这里 取消Visual Studio Integeration的勾选,这也是常见的一个安装失败的原因,然后下一步

新建几个文件夹,按照下面的安装位置

接下来我们就要验证验证我们的cuda安装的是否成功了。

同样的win +R cmd进入,输入nvcc -V

代表安装成功

四、cudnn

我发的cudnn压缩包里有三个文件将这三个复制到cuda安装文件夹下

五、pytorch

安装pytorch之前,先创建虚拟环境,win+R cmd进入终端 输入 conda create -n 环境名 python=X.X

我的是conda create -n yolov7 python=3.8

激活虚拟环境

然后在此环境下安装pytorch下载官网:https://pytorch.org/get-started/previous-versions/

找到v1.7.1

输入上面那条指令,安装。

安装完之后,输入如下内容,显示torch的版本号说明安装成功。

说一下如何把anaconda创建的虚拟环境导入进去,

打开pycharm,左上角File->settings

点击出来的+号,

至此python版本所需要的外部环境安装都已经准备好了。文章来源地址https://www.toymoban.com/news/detail-421047.html

到了这里,关于yolov7环境搭建——Windows的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 睿智的目标检测——Pytorch搭建YoloV7-OBB旋转目标检测平台

    睿智的目标检测——Pytorch搭建[YoloV7-OBB]旋转目标检测平台 学习前言 源码下载 YoloV7-OBB改进的部分(不完全) YoloV7-OBB实现思路 一、整体结构解析 二、网络结构解析 1、主干网络Backbone介绍 2、构建FPN特征金字塔进行加强特征提取 3、利用Yolo Head获得预测结果 三、预测结果的解

    2024年02月04日
    浏览(53)
  • opencv调用yolov7 yolov7 c++ yolov7转onnx opencv调用yolov7 onnx 一、YOLOV7主要贡献:

            主要是现有的一些trick的集合以及模块重参化和动态标签分配策略,最终在 5 FPS 到 160 FPS 范围内的速度和准确度都超过了所有已知的目标检测器。         当前目标检测主要的优化方向:更快更强的网络架构;更有效的特征集成方法;更准确的检测方法;更精

    2023年04月22日
    浏览(41)
  • Yolov5环境搭建+运行过程

    目录 前言 一、工具资源下载 二、搭建环境配置和运行测试 1.安装anaconda,并创建环境 2.使用pycharm  3.安装pytorch1.5.1以及其他库 4.测试 总结 这是我个人在使用yolov5过程中的一些心得,搭建环境就让我爆炸,最后也是成功运行起来。其中也参考了很多其他人博客的文章,记录下

    2024年02月12日
    浏览(44)
  • YOLOv5——pytorch环境搭建

    环境搭建是一个最最基础而又基本的事情,是一切工作开始前的基本要求。 由于YOLOv7和YOLOv5不兼容,这次用到了YOLOv5,我不得不再使用anaconda创建一个虚拟环境。 Tip:很多人不了解Anaconda存在的意义,就是为了弥补python多版本不兼容问题(在安装过程中,我们不难发现,总是

    2024年02月17日
    浏览(38)
  • 【YOLOv5】1.搭建Pycharm+Python+yolov5环境

    目录 一、安装Python 二、安装PyCharm 三、创建项目和虚拟环境 四、下载YOLOv5和依赖库 五、配置Pytorch 六、检验YOLOv5环境 1.Python官方下载网址:Download Python | Python.org 2.安装python3.10即可,笔者使用的pytorch版本在python3.10下不可用,所以多装了一个python3.9。 3.心得:如果安装了多个

    2024年02月13日
    浏览(42)
  • [YOLOv7]基于YOLOv7的水果识别系统(源码&部署教程)

    [YOLOv7]基于YOLOv7的水果识别系统(源码&部署教程)_哔哩哔哩_bilibili 如果不懂yolo格式数据集是什么样子的,建议先学习一下。大部分CVer都会推荐用labelImg进行数据的标注,我也不例外,推荐大家用labelImg进行数据标注。不过这里我不再详细介绍如何使用labelImg,网上有很多的教

    2024年02月05日
    浏览(68)
  • 用Docker搭建yolov5开发环境

    下面是使用Docker搭建yolov5开发环境的详细步骤: 如果你的电脑上还没有安装Docker,可以按照Docker官网的说明进行安装。 在开始之前,需要先将yolov5的代码下载到本地。可以使用以下命令将代码克隆到本地: git clone https://github.com/ultralytics/yolov5.git 在yolov5的代码目录下,有一个

    2024年02月15日
    浏览(40)
  • 【YOLOv7】使用 YOLOv7 做目标检测 (使用自己的数据集 + 图解超详细)

    论文链接:https://arxiv.org/abs/2207.02696 GitHub 链接:https://github.com/WongKinYiu/yolov7 修改YOLOV7配置 data.yaml 新建data.yaml文件,配置yolov7的数据集,数据集为 YOLO格式 。 weights 新建weights文件夹,下载yolov7.pt https://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7.pt。 train.py 修改如下的参数,

    2024年02月12日
    浏览(37)
  • TensorRT量化实战课YOLOv7量化:YOLOv7-PTQ量化(一)

    新增手动插入 QDQ 节点以及手动 initialize 手写 AI 推出的全新 TensorRT 模型量化实战课程,链接。记录下个人学习笔记,仅供自己参考。 该实战课程主要基于手写 AI 的 Latte 老师所出的 TensorRT下的模型量化,在其课程的基础上,所整理出的一些实战应用。 本次课程为 YOLOv7 量化实

    2024年02月08日
    浏览(44)
  • YOLO系列 --- YOLOV7算法(一):使用自定义数据集跑通YOLOV7算法

    这不就尴尬了。。。刚理解完美团出的YOLO V6算法,V7就出来了。。。而且最关键的是V7还有V4作者的背书,不过好在其实V6和V7都是在YOLO V5的基础上修改的代码,所以代码读起来就比较顺畅。YOLOV7算法打算按照以下的结构进行讲解: YOLOV7算法(一):使用自定义数据集跑通YO

    2024年02月04日
    浏览(47)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包