[MCU] 全志V853开发板搭建YOLOV5-V6.0环境

aleksib 2024-7-12 09:58 楼主

# Conda搭建YOLOV5-V6.0环境

## 0.前言

本章节主要记录如何搭建yolov5-v6.0环境，并支持CUDA加速。此文章的硬件要求如下，如果您的电脑没有显卡设备，这篇文章无法给您当做参考。

**硬件与软件列表：**

* CPU：Intel(R) Xeon(R) CPU E5-2680 v4 @ 2.40GHz 2.40 GHz
* 显卡：RTX 3060
* 系统：Windows 10 专业工作站版

## 1.搭建Python环境

打开Conda终端，创建Python3.7的Conda环境，输入

```lua
conda create -n py37_yolov5 python=3.7
```

创建完成后，需要安装pytorch。

## 2.安装Pytorch和cuda

两者的安装顺序没有要求，但都有版本要求。简而言之：两者版本需要对应，一个高版本和一个低版本会导致CUDA无法使用。

需要查了显卡驱动版本，查看方式如下：

![image-20230627170953684](https://forums.100ask.net/uploads/default/optimized/2X/6/6c3f83668d9b344a0d9457205bb8b9384f356dd5_2_636x500.png)

如果客户的驱动版本过低，更新显卡驱动即可升级，更新方法可在网上自行搜索。

下面我安装CUDA11.3版本的，以满足更多客户的需要。

将复制出来的命令，粘贴至终端输入：

```r
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3 -c pytorch -c conda-forge
```

测试安装的pytorch是否可用

在Conda终端输入`python`后，加载torch模块，打印cuda是否可用。

```python
(py37_yolov5) D:\Programmers\ModelDeployment\2.yolov5\yolov5-train\yolov5-6.0\yolov5-6.0>python
Python 3.7.16 (default, Jan 17 2023, 16:06:28) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cuda.is_available()
True
>>> exit()
```

## 3.安装YOLOV5-V6.0版本依赖包

安装前，查看已经安装的依赖包，输入`pip list`

```diff
(py37_yolov5) D:\Programmers\ModelDeployment\2.yolov5\yolov5-train\yolov5-6.0\yolov5-6.0>pip list
Package   Version
----------------- --------
certifi   2023.5.7
cycler    0.11.0
fonttools   4.38.0
kiwisolver  1.4.4
numpy     1.21.6
packaging   23.1
Pillow    9.2.0
pip     22.3.1
pyparsing   3.1.0
python-dateutil 2.8.2
setuptools  65.6.3
six     1.16.0
torch     1.10.0
torchaudio  0.10.0
torchvision   0.11.0
typing_extensions 4.6.3
wheel     0.38.4
wincertstore  0.2
```

查看源码目录中的依赖文件`requirements.txt`可知，这里我不建议直接输入`pip install -r requirements.txt`

```shell
# pip install -r requirements.txt

# Base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.2
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.41.0

# Logging -------------------------------------
tensorboard>=2.4.1
# wandb

# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0

# Export --------------------------------------
# coremltools>=4.1# CoreML export
# onnx>=1.9.0# ONNX export
# onnx-simplifier>=0.3.6# ONNX simplifier
# scikit-learn==0.19.2# CoreML quantization
# tensorflow>=2.4.1# TFLite export
# tensorflowjs>=3.9.0# TF.js export

# Extras --------------------------------------
# albumentations>=1.0.3
# Cython# for pycocotools https://github.com/cocodataset/cocoapi/issues/172
# pycocotools>=2.0# COCO mAP
# roboflow
thop# FLOPs computation
```

这里我建议在Conda命令中单独安装所需的依赖，查漏补缺，缺少了哪个依赖包就补充哪一个即可。

```bash
pip install opencv-python==4.7.0.68 -i https://pypi.doubanio.com/simple/
pip install matplotlib==3.5.3 -i https://pypi.doubanio.com/simple/
pip install PyYAML==6.0 -i https://pypi.doubanio.com/simple/
pip install requests==2.28.2 -i https://pypi.doubanio.com/simple/
pip install tqdm==4.64.1 -i https://pypi.doubanio.com/simple/
pip install tensorboard==2.11.2 -i https://pypi.doubanio.com/simple/
pip install pandas==1.1.5 -i https://pypi.doubanio.com/simple/
pip install seaborn==0.12.2 -i https://pypi.doubanio.com/simple/
pip install coremltools==4.1 -i https://pypi.doubanio.com/simple/
pip install onnx==1.13.0 -i https://pypi.doubanio.com/simple/
pip install onnxsim==0.4.13 -i https://pypi.doubanio.com/simple/
pip install scikit-learn==0.19.2 -i https://pypi.doubanio.com/simple/
```

或者使用清华源

```bash
pip install opencv-python==4.7.0.68 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install matplotlib==3.5.3 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install PyYAML==6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install requests==2.28.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install tqdm==4.64.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install tensorboard==2.11.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pandas==1.1.5 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install seaborn==0.12.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install coremltools==4.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install onnx==1.13.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install onnxsim==0.4.13 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install scikit-learn==0.19.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
```

安装完成后，查看依赖包列表如下所示：

```yaml
Package     Version
----------------------- --------
absl-py     1.4.0
attr      0.3.2
attrs       23.1.0
cachetools    5.3.0
certifi     2023.5.7
charset-normalizer  3.1.0
colorama      0.4.6
coremltools     4.1
cycler      0.11.0
fonttools     4.38.0
google-auth     2.20.0
google-auth-oauthlib  0.4.6
grpcio      1.56.0
idna      3.4
importlib-metadata  6.6.0
kiwisolver    1.4.4
Markdown      3.4.3
markdown-it-py    2.2.0
MarkupSafe    2.1.2
matplotlib    3.5.3
mdurl       0.1.2
mpmath      1.3.0
numpy       1.19.5
oauthlib      3.2.2
onnx      1.13.0
onnxsim     0.4.13
opencv-python   4.7.0.68
packaging     23.1
pandas      1.1.5
Pillow      9.2.0
pip       22.3.1
protobuf      3.20.3
pyasn1      0.5.0
pyasn1-modules    0.3.0
Pygments      2.15.1
pyparsing     3.1.0
python-dateutil   2.8.2
pytz      2023.3
PyYAML      6.0
requests      2.28.2
requests-oauthlib   1.3.1
rich      13.3.5
rsa       4.9
scikit-learn    0.19.2
scipy       1.7.3
seaborn     0.12.2
setuptools    65.6.3
six       1.16.0
sympy       1.10.1
tensorboard     2.11.2
tensorboard-data-server 0.6.1
tensorboard-plugin-wit1.8.1
torch       1.10.0
torchaudio    0.10.0
torchvision     0.11.0
tqdm      4.64.1
typing_extensions   4.6.3
urllib3     1.26.15
Werkzeug      2.2.3
wheel       0.38.4
wincertstore    0.2
zipp      3.15.0
```

## 4.测试YOLOV5环境

### 4.1 测试检测模型

进入YOLOV5源码目录后，输入`python detect.py`

![image-20230627174555099](https://forums.100ask.net/uploads/default/original/2X/2/2c3be8f881f96c2d59110bec2dcc8e1835799d59.png)

可以看到已经可以检测出CUDA显卡设备号0。

```yaml
YOLOv52021-10-12 torch 1.10.0 CUDA:0 (NVIDIA GeForce RTX 3060, 12287.5MB)
```

### 4.2 测试导出模型

在终端输入

```css
python export.py --weights yolov5s.pt --include onnx --dynamic
```

![image-20230627174934964](https://forums.100ask.net/uploads/default/original/2X/8/8afc60dc9c3dcb0b12ffc44473ffbe0ee0b371b2.png)

### 4.3 测试训练模型

在终端输入

```
python train.py
```

[![image-20230627182900796](https://forums.100ask.net/uploads/default/original/2X/4/4a23b06259c7f85883a69f8aab465f93c0e85910.png)](https://forums.100ask.net/uploads/default/original/2X/4/4a23b06259c7f85883a69f8aab465f93c0e85910.png "image-20230627182900796")

回复评论（2）

沙发 humancat01

我非常支持国产芯片

点赞 2024-7-12 21:23

板凳 lugl4313820

CPU：Intel(R) Xeon(R) CPU E5-2680 v4 @ 2.40GHz 2.40 GHz
大佬用的可是服务器，牛呀！

点赞 2024-7-14 07:01

[MCU] 全志V853开发板搭建YOLOV5-V6.0环境

回复评论 （2）

沙发 humancat01

板凳 lugl4313820

回复评论（2）