引言
1 Windows环境准备
1.1 VSCode
Visual Studio Code(简称 VSCode)是一款由微软开发的开源代码编辑器。它非常受开发者欢迎,因为它功能强大、扩展性好,并且支持多种编程语言。VSCode 尤其适合 Python 开发,特别是在结合 Anaconda 的虚拟环境时,可以极大地提升开发效率。
官网下载
- 配置Anaconda环境
第一步:在Vscode中安装Python插件
第二步:选择anconda中的环境在Vscode中使用CTRL+Shift+P的按钮打开搜索然后输入:> select interpreter
-
安装中文插件(汉化)
参考链接🔗:Visual Studio Code安装中文插件 -
python相对路径设置
参考链接🔗:VScode 相对路径不能使用, 怎么办?
1.2 Anaconda安装(虚拟环境)
- 【Anaconda】windows安装Anaconda
- 【Ubuntu】安装Anaconda+vscode
1.3 安装CUDA+cudnn
【Windows】安装显卡驱动+cuda+cudnn
信息查看指令
- 显卡信息
nvcc -V
2. 驱动信息
nvidia-smi
2 目标检测——yolov5
- 环境安装教程: 【YOLO】YOLOv5-6.0环境搭建(不定时更新)
- yolov5官网源码:https://github.com/ultralytics/yolov5
- pytorc安装官网:https://pytorch.org/get-started/locally/
2.1 虚拟环境创建
conda create -n name python=3.9
conda activate name
2.2 pytorch安装
CUDA 10.2
pip install torch==1.12.1+cu102 torchvision==0.13.1+cu102 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu102
CUDA 11.3
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113# 查看torch的版本
python -c 'import torch;print(torch.__version__)'
python -c 'import torch;print(torch.cuda.is_available())'CUDA 10.2
conda install cudatoolkit=10.2.89 cudnn==7.6.5 -c http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
CUDA 11.3
conda install cudatoolkit=11.3.1 cudnn==8.2.1 -c http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
2.3 源码下载及配置
pip install ultralytics
git clone https://github.com/ultralytics/yolov5 # clone
cd yolov5
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple # install
2.4 模型训练和测试
- 目标检测训练 (COCO8 Dataset)
from ultralytics import YOLO
# Load a model
model = YOLO("yolov8n.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="coco8.yaml", epochs=10, imgsz=640)
- 语义分割训练(COCO8-Seg Dataset)
from ultralytics import YOLO
# Load a model
model = YOLO("yolov8n-seg.pt") # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="coco8-seg.yaml", epochs=100, imgsz=640)
- 训练自己的数据集:https://docs.ultralytics.com/yolov5/tutorials/train_custom_data/
参考链接:【YOLO】训练自己的数据集
3 语义分割
官网源码:https://github.com/open-mmlab/mmsegmentation
中文教程:https://github.com/open-mmlab/mmsegmentation/blob/main/README_zh-CN.md
3.1 环境准备
- PyTorch安装
- 安装和运行 MMSeg
3.2 数据集准备
- 教程2:准备数据集