引言
YOLOv5 是一个非常强大的目标检测算法,在计算机视觉领域应用广泛。本文将详细介绍如何在 Windows 系统上安装 YOLOv5 并配置 GPU 加速,让你能够顺利开启目标检测的学习和实践之旅。
一、电脑配置
在开始安装之前,先贴一下我的电脑配置:
- CPU:i5 - 12400f
- GPU:GTX 1050 Ti
- 驱动版本:560.94
- CUDA:12.6.65
二、安装步骤
1. 创建虚拟环境
为了避免不同项目之间的依赖冲突,我们使用 conda 创建一个专门的虚拟环境。打开 Anaconda Prompt,执行以下命令:
conda create -n yolov5 python=3.12.8
conda activate yolov5
上述代码中,第一行命令创建了一个名为yolov5的虚拟环境,指定 Python 版本为 3.12.8;第二行命令激活了这个虚拟环境。
2. PyTorch、CUDA 版本选择及安装
2.1 选择并下载 PyTorch
打开PyTorch 官网,根据自己的需求选择合适的版本。这里我们选择安装 CUDA 的版本是 11.8,如果需要其他版本,可以在页面下方的 previous version
中寻找
首先下载torch-2.7.0+cu118-cp312-cp312-win_amd64.whl文件,然后执行以下命令进行安装:
pip3 install torch-2.7.0+cu118-cp312-cp312-win_amd64.whl
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
确定好版本后,复制pip3开头的下载链接。先激活yolov5虚拟环境,然后运行刚才复制的链接,开始安装 PyTorch,等待安装完毕
2.2 下载并安装 CUDA
到英伟达官网的下载页面选择自己所需要的版本,以 11.8 版本为例:
根据你的目标服务器选择对应的类型,注意Installer Type
选exe(local)
:
下载完后双击安装,等待安装完成
2.3 验证安装
安装完成后,我们需要验证 PyTorch
是否能够正常使用 GPU
。在激活的yolov5虚拟环境中,逐行运行以下代码:
import torch
print(torch.cuda.is_available())
如果返回值为True,则说明安装完成,此时可以使用 GPU 加速模型训练。
3. 下载并安装 YOLOv5
我们可以从 Gitee 上下载 YOLOv5 的代码库,链接为yolov5。在激活的yolov5虚拟环境中,打开命令行,进入你想要存放代码的目录,然后执行以下命令进行克隆:
git clone https://gitee.com/Chaojiht/yolov5.git
cd yolov5
pip install -r requirements.txt
上述代码中,第一行命令克隆了 YOLOv5 的代码库,第二行命令进入了代码库的目录,第三行命令安装了 YOLOv5 所需的依赖项
三、总结
通过以上步骤,你已经成功在 Windows 系统上安装了 YOLOv5 并配置了 GPU 加速。现在你可以开始使用 YOLOv5 进行目标检测的实验和开发了。如果你在安装过程中遇到任何问题,可以参考官方文档或在相关论坛上寻求帮助