【目标检测】Anaconda+PyTorch(GPU)+PyCharm(Yolo5)配置

前言

本文主要介绍在windows系统上的Anaconda、PyTorch、PyCharm、Yolov5关键步骤安装，为使用yolo所需的环境配置完善。同时也算是记录下我的配置流程，为以后用到的时候能笔记查阅。

Anaconda

软件安装

Anaconda官网：https://www.anaconda.com/

另外，Anaconda下携带的conda的基本命令，建议可以查看菜鸟教程的介绍。Anaconda 教程

在上数官网完成安装后，进入系统自带命令行Ctrl+R输入cmd或者 Anaconda携带的Anaconda Prompt (Anaconda)都可以，二选一即可，我通常选用的是系统自带的命令行。

可以尝试看看Anaconda有没有被安装

c 复制代码

conda -V

创建环境

继续接着在命令行里操作。以下步骤仅供参考具体，按照个人配置。

创建环境，指定环境名词，以及python版本
bash 复制代码
```
conda create -n pytorch python=3.8
```
进入环境
bash 复制代码
```
conda activate pytorch
```
虚拟环境，共有两个包管理，是可以同时用的，分别是conda，pip。

PyTorch

PyTorch是开源的Python机器学习库，在刚才创建好的环境中下载。并且因为我的电脑是有GPU的，所以下载流程按照安装GPU版本的走。假如是要安装CPU版本的话，只要相关包能下载就行，用conda或pip关系不大。安装GPU的话，我这边是选择用pip。

下述命令的执行都是要确保在虚拟环境中执行，也就是上述的(pytorch) C:\Users\XYZ>

当然可以先到PyTorch官网，按自身环境在选择器中选择，就能给出相应下载命令。[PyTorch下载选择器](conda install pytorch torchvision torchaudio cpuonly -c pytorch)

CPU版本

换源命令，逐行执行：

c 复制代码

# 添加清华镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
conda config --set show_channel_urls yes

下载命令，纯CPU版本

c 复制代码

conda install pytorch torchvision torchaudio cpuonly

GPU版本

尝试过用conda安装，试过换源等还是CPU版本的，网上又说是什么没有对应的GPU版本之类。所以最后选择用pip安装。

首先在命令行中，查看CUDA最高支持版本

最高支持的CUDA版本为12.2
我看到在PyTorch下载选择器上有，CUDA12.1版本的相关，下载的选项，就打算下载那个。但当时电脑版本的CUDA版本不匹配，就要去英伟达官网下载所需的版本。(非必要，假如版本已经对应)

英伟达-CUDA历史版本\]([CUDA Toolkit Archive \| NVIDIA Developer](https://developer.nvidia.com/cuda-toolkit-archive)) 可以下述命令查看当前电脑的CUDA版本 ```c nvcc -V ``` ![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/01e18891376a4a6d93f3bd766c89d0ca.png)
c 复制代码
```
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
```
不过要是按照上述命令下载的话，因为是国外源下载极慢，而且文件是2G左右，要是小一点还能接收。我记得网上有相对应的办法，可以从下述网址：download.pytorch.org/whl/torch_stable.html选定相对应的torch,torchvision的GPU版本文件，手动下载，在基于pip install 包名(该包一定要在目前命令行下，才能找到)导入。++不过我嫌对应规则太绕了，就没看++

我的方法是，起始大的特殊的只有torch这个GPU版本的文件，我先是调用(在创建好的虚拟环境中)pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121，它会给出要下载包的名称，Ctrl+C中止下载后，在复制名称到download.pytorch.org/whl/torch_stable.html网址搜索下载，在导入，在重新执行上述pip3 inst...（省略）命令，重新拉取下载，其它的包体积都较小，慢点都没事了，或者加个国内源都可以。
检查 GPU 驱动程序和 CUDA 是否已启用

检查 GPU 驱动程序和 CUDA 是否已启用并由 PyTorch 访问，请运行以下命令以返回是否启用了 CUDA 驱动程序：（相当于能启用GPU）
bash 复制代码
```
python 
import torch 
torch.cuda.is_available()
```

问题插曲

这里，提下后续我在Pycharm上运行YOLO-V5的detect.py，出了问题：

后来，发现还torchvision没有按照pip命令，下载和torch对应的版本，可能还是CPU版本，就一直运行不起来。解决方法：回到Anaconda创建的虚拟环境中，卸载掉torchvision，还是去download.pytorch.org/whl/torch_stable.html调选对应的版本。

例如我上文中共在网址下载过这两个：

torch-2.3.1+cu121-cp38-cp38-win_amd64.whl

torchvision-0.18.1+cu121-cp38-cp38-win_amd64.whl

反正这里挺疑惑，我当时也正好截了图，明明下载对了，怎么后面又变回正常版本呢

PyCharm

该软件可以直接到官网：PyCharm下载安装，接下来是讲解配置部分了。

拉取Yolov5项目

可以直接去github拉取：yolov5

也可以用命令拉取仓库
c 复制代码
```
git clone https://github.com/ultralytics/yolov5  # clone
```
将Yolov5放在PyCharm的工作目录中

将该项目的Python解释器，配置成上文创建的虚拟环境中的。可以用下述命令查看虚拟环境对应的文件路径在哪里。
c 复制代码
```
conda info --envs
```

配置pip源（可选）

因为当下在正式运行yolov5前，还有下载些包，建议加上的。

c 复制代码

https://pypi.mirrors.ustc.edu.cn/simple/
https://pypi.tuna.tsinghua.edu.cn/simple/
http://pypi.douban.com/simple/
http://mirrors.aliyun.com/pypi/simple/

yolov5的库需求

打开项目下requirements.txt，文件，看到第二行有pip指令，复制到当前项目下终端下执行就可以了。
c 复制代码
```
pip install -r requirements.txt
```
yolov5试运行

打开项目下detect.py，右键点击运行detect.py，首次是要下载yolov5s.pt文件，还是老办法，我直接中止它的下载，直接点开的它的下载链接到目标网址去下载，在放到项目下。成功执行，如下图。

该文件默认参数执行，调用官方的训练好的模型，识别示例图片。