目标检测系统【环境详细配置过程】(CPU版本)

(如果你使用的是笔记本电脑,没有比较好的GPU,可以配置CPU运行环境)

链接:上百种【基于YOLOv8/v10/v11的目标检测系统】目录(python+pyside6界面+系统源码+可训练的数据集+也完成的训练模型)

1.安装Anaconda

1.1 下载Anaconda

(1)Anaconda下载方式一(官网)

Anaconda下载官网:https://www.anaconda.com/

点击下载【Free Download】即可

然后点击【Download】

(2)Anaconda下载方式二(百度网盘)

链接:https://pan.baidu.com/s/1rN5ulU5xz3tkA2-7EId1FA

提取码:9hcx

1.2 安装Anaconda

点击安装包,然后点击【Next]

  • 点击【I Agree】
  • 点击【Next】
  • 安装路径的选择,点击【Next】
  • 点击【INstall】,然后等待安装完成
  • 点击【Next】
  • 点击【Next】
  • 点击【Finish】

1.3 配置环境变量

右键点击【我的电脑】(此电脑)--【属性】--点击【高级系统设置】--【高级】--【环境变量】-找到系统变量下的【Path】--右侧点击【新建】,按照我标红框的进行添加即可。(注意anaconda3的安装路径

2.创建python虚拟环境

2.1创建python虚拟环境

虚拟环境的作用:虚拟环境可以隔离不同项目的依赖项,避免不同项目之间的干扰,使项目更加稳定。

首先进入命令界面

输入如下命令:

conda create -n yolov8 python=3.11.4

其中:yolov8是虚拟环境名称(可以任意取名,比如你可以取为yolov10等),python=3.11.4是指定python的版本(也可指定另外的版本)

输入【y】,之后回车开始安装

如果出现如下界面,表示安装完成。

输入命令可以查看虚拟环境否创建成功:conda env list

如下界面表示创建成功(虚拟环境名称以及虚拟环境的路径):

激活进入环境:activate yolov8

激活成功后,前面的base会替换成yolov8

备注:如果需要删除刚刚创建的虚拟环境,可以通过如下命令删除:

conda remove -n yolov8 --all

2.2 虚拟环境的路径设置( 常见问题以及解决方法)

(如果3.1在创建虚拟环境的时候,路径不是anaconda3的安装路径下,而是总是在c盘,才需要进行3.2小节的设置,否则跳过3.2小节)

w11环境下,anaconda安装在D盘,但是在新建虚拟环境总是在c盘,解决方法

在C盘找到.condarc这个文件

打开这个文件,找到envs_dirs:配置项,该配置项就表示新创建虚拟环境的路径(注意enva_dirs是自己anaconda3的安装路径)

上面配置的是阿里镜像源(方法一)

python 复制代码
channels:
  - defaults
show_channel_urls: true
default_channels:
  - http://mirrors.aliyun.com/anaconda/pkgs/main
  - http://mirrors.aliyun.com/anaconda/pkgs/r
  - http://mirrors.aliyun.com/anaconda/pkgs/msys2
custom_channels:
  conda-forge: http://mirrors.aliyun.com/anaconda/cloud
  msys2: http://mirrors.aliyun.com/anaconda/cloud
  bioconda: http://mirrors.aliyun.com/anaconda/cloud
  menpo: http://mirrors.aliyun.com/anaconda/cloud
  pytorch: http://mirrors.aliyun.com/anaconda/cloud
  simpleitk: http://mirrors.aliyun.com/anaconda/cloud
  
envs_dirs:
    -D://soft//anaconda3//envs             

也可以配置清华镜像源(方法二)

python 复制代码
channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  
envs_dirs:
    -D://soft//anaconda3//envs     

备注(常见问题以及解决方法):

(1)如果没有这个".condarc"的文件,那么就点击"win"+"r",搜索"cmd"调出终端,然后输入命令创建即可:

conda config --set show_channel_urls yes

然后按照上述方法添加即可

(2)如果此时创建环境发现还会安装在C盘,是因为没有打开对Anaconda下envs的读写权限,找到所要保存的环境目录,作者这里是 D://soft//anaconda3//envs,

右击选择【属性】,选择【安全】,选择【编辑】,

按下图所示进行编辑,选择【Users】,在下面的选项中勾选【完全控制】 ,最后选择【应用】并【确定】。

接下来就可以重新区创建虚拟环境了

3.打开项目

将【目标检测系统源码】下载完成之后,解压到某个路径下(可以解压在D盘或者F盘都可)。然后使用Pycharm打开这个项目文件。

目标检测系统源码下载链接:上百种【基于YOLOv8/v10/v11的目标检测系统】目录(python+pyside6界面+系统源码+可训练的数据集+也完成的训练模型)-CSDN博客

(Pycharm前提已经安装完成,如果没有安装,可以网上搜索Pycharm的安装教程,有很多)

Pycharm软件中打开项目

4.在Pycharm中调用yolov8环境

点击【File】-->【setting】-->【Project】-->【Python Interpreter】-->【Add Interpreter】-->【Add Local Interpreter】

设置虚拟环境

备注:在Pycharm中如何查看当前项目使用的虚拟环境:

点击左下角的【Terminal】,可以看出使用的虚拟环境

或者在当前项目下新建一个test-p.py文件,输入如下代码并运行

import sys print(sys.prefix)

截图如下,可以看出使用的是yolov8虚拟环境以及虚拟环境的路径:

5.pycharm中添加镜像地址

添加镜像可以加快下载依赖包的速度。

点击图标【Python Packages】--点击设置按钮【Manage respositories】

点击【+】--在【Name】处随意更改名字,然后在【Repository URL】填上镜像源地址,最后点击【OK】

一些镜像地址:

1.清华大学镜像源:https://pypi.tuna.tsinghua.edu.cn/simple/

2.阿里云镜像源:http://mirrors.aliyun.com/pypi/simple/

3.中国科技大学镜像源:https://pypi.mirrors.ustc.edu.cn/simple/

6.安装其他的项目依赖

在安装项目依赖之前需要将requirements.txt文件里面的三个依赖进行修改,将

python 复制代码
#torch==2.0.0+cu118
#torchaudio==2.0.1+cu118
#torchvision==0.15.1+cu118

修改为:

html 复制代码
torch==2.0.0
torchaudio==2.0.1
torchvision==0.15.1

然后左下角终端打开,安装项目依赖,执行命令:pip install -r requirements.txt

(请务必按照 requirements.txt 中指定的版本进行安装,否则可能会出现依赖不兼容的问题,导致错误。)

到这里目标检测系统的环境就搭建成功了,接下来就可以启动目标检测系统了。

启动【目标检测系统】请点击链接:目标检测系统操作说明【用户使用指南】(python+pyside6界面+系统源码+可训练的数据集+也完成的训练模型)

相关推荐
深圳市快瞳科技有限公司1 小时前
多宠识别:基于计算机视觉的智能宠物管理系统架构解析
计算机视觉·系统架构·宠物
没学上了2 小时前
数据集构建与训练前准备
开发语言·python·opencv·机器学习·计算机视觉·yolov8
深图智能2 小时前
轻量级语义分割算法:演进与创新
算法·计算机视觉·语义分割
硅谷秋水5 小时前
RoboVQA:机器人多模态长范围推理
人工智能·深度学习·机器学习·计算机视觉·语言模型·机器人
xinxiangwangzhi_6 小时前
多视图几何--恢复相机位姿/内参的几种方法
图像处理·算法·计算机视觉
nice-wyh6 小时前
目标检测Anchor-based 与 Anchor-free
人工智能·目标检测·计算机视觉
春末的南方城市7 小时前
南开提出1Prompt1Story,无需训练,可通过单个连接提示实现一致的文本到图像生成。
人工智能·计算机视觉·语言模型·自然语言处理·aigc
Suyuoa9 小时前
PaddleDetection目标检测自定义训练
人工智能·目标检测·计算机视觉
mlxg9999912 小时前
hom_mat2d_to_affine_par 的c#实现
算法·计算机视觉·c#
紫雾凌寒17 小时前
深度学习|MAE技术全景图:自监督学习的“掩码魔法“如何重塑AI基础
人工智能·深度学习·计算机视觉·自监督学习·vit·视频理解·mae