yolov5-gpu环境配置搭建

1. 安装 Anaconda

首先需要安装 Anaconda，下载地址：https://www.anaconda.com/products/individual

选择适合自己操作系统的版本进行下载和安装。

2. 创建环境

在 Anaconda 中创建一个新的环境，使用 Python=3.8 版本：

conda create -n yolov5 python=3.8

3. 激活环境

激活创建的环境：

conda activate yolov5

4. 安装 PyTorch

安装 PyTorch，根据自己的 CUDA 版本和操作系统选择对应的版本，可以在 PyTorch 官网上查找：https://pytorch.org/

例如，使用 CUDA 11.1 和 Python 3.8，可以使用以下命令安装：

pip install torch torchvision torchaudio -f https://download.pytorch.org/whl/cu111/torch_stable.html

5. 安装其他依赖

安装其他需要的依赖：

pip install opencv-python matplotlib pillow PyYAML scipy tqdm

6. 克隆 yolov5 仓库

克隆 yolov5 仓库：

git clone https://github.com/ultralytics/yolov5.git

7. 安装 yolov5

进入 yolov5 文件夹，安装 yolov5：

cd yolov5
pip install -r requirements.txt

8. 测试 yolov5

测试 yolov5 是否安装成功：

python detect.py --weights yolov5s.pt --img 640 --conf 0.25 --source data/images/bus.jpg

如果输出了检测结果，说明 yolov5 安装成功。

9. 使用 GPU 训练

如果要使用 GPU 训练，需要安装 CUDA 和 cuDNN。

可以根据自己的 CUDA 版本和操作系统选择对应的版本，可以在 NVIDIA 官网上查找：https://developer.nvidia.com/cuda-downloads

安装完 CUDA 后，需要安装 cuDNN，可以在 NVIDIA 官网上下载对应版本的 cuDNN 安装包，然后将它解压到 CUDA 的安装目录中。

安装好 CUDA 和 cuDNN 后，就可以使用 GPU 训练 yolov5 了：

python train.py --img 640 --batch 16 --epochs 100 --data data/coco.yaml --cfg models/yolov5s.yaml --weights yolov5s.pt --name yolov5s_results

以上就是 yolov5-gpu 环境配置的全部步骤。