yolov5环境配置-Anaconda3 + Pytorch1.8 + Cuda10.2 + cuDnn8.2.0 + opencv3.2.0

Anaconda3 + Pytorch1.8 + Cuda10.2 + cuDnn8.2.0 + opencv3.2.0

opencv3.2.0

之前装orb-slam2的时候装过opencv3.2.0

pkg-config --modversion opencv

安装CUDA10.2

之前装zed2摄像头时已经安装过cuda10.2

nvcc -V

安装cuDNN8.2.0

解压cuDNN压缩文件

sudo tar -xzvf cudnn-10.2-linux-x64-v8.2.0.53.tgz

会在当前文件夹下生成一个名为cuda的文件夹

然后输入以下命令：

sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.2/lib64/sudo cp cuda/include/cudnn* /usr/local/cuda-10.2/include/sudo chmod a+r /usr/local/cuda-10.2/include/cudnn.h sudo chmod a+r /usr/local/cuda-10.2/lib64/libcudnn*

到这里cuDNN就安装完成了

Anaconda3

下载

wget /archive/Anaconda3-.05-Linux-x86_64.sh

安装

bash Anaconda3-.05-Linux-x86_64.sh

安装成功

编辑~/.bashrc文件，加入

export PATH=~/anaconda3/bin:$PATH

更新环境变量

source ~/.bashrc

输入conda list

添加Anaconda国内镜像配置

清华提供了Anaconda仓库的镜像

conda config --add channels https://mirrors.tuna./anaconda/pkgs/free/conda config --add channels https://mirrors.tuna./anaconda/pkgs/main/conda config --set show_channel_urls yes

安装Pytorch1.8

注意：如果使用yolov5版本v5.0以上的代码，使用pytorch1.8

基础语法：

#使用conda创建单独的环境，在系统命令行中运行如下命令：conda create -n yolov5_test python==3.8#进入该环境继续安装依赖库：conda activate yolov5_test#删除环境conda remove -n yolov5_test --all#退出当前环境conda deactivate yolov5_test

开始安装

首先为pytorch创建一个anaconda虚拟环境，环境名字可自己确定，这里使用yolov5_test作为环境名：

conda create -n yolov5_test python==3.8

安装成功后激活yolov5_test环境

conda activate yolov5_test

问题：

运行：

source activate

重新激活

在所创建的环境下安装pytorch的1.8版本

conda install pytorch torchvision cudatoolkit=10.2 -c pytorch

注意：10.2处应为cuda的安装版本号

编辑~./bashrc文件，设置使用yolov5_test环境下的python3.8

alias python='~/anaconda3/envs/yolov5_test/bin/python3.8'

更新环境变量

source ~/.bashrc

该命令将自动回到base环境，再执行

conda activate yolov5_test

yolov5项目克隆安装

下载文件命名为yolov5_test

git clone /ultralytics/yolov5.git yolov5_test

安装所需库

在yolov5_test目录下执行

pip install -r requirements.txt -i https://pypi.tuna./simple

下载权重文件 /ultralytics/yolov5/releases/ ，放置在weights文件夹下

测试

python3 detect.py --source ./data/images/ --weights weights/yolov5s.pt