本文最后更新于 66 天前,其中的信息可能已经有所发展或是发生改变。
此文档是我对近期学习的一些整理,内容不多,一是因为还未有所成果,二是因为总结并编写文档是件非常耗费精力的事。但是在学习的途中已经碰到了不少的问题和疑惑,花了很多时间去解决各种各样的 BUG,也算是对前期流程比较了解了。因此我想把这段经历总结出来,一方面可以方便自己后期回顾,另一方面可以帮助其他人快速便捷地完成一些基础的操作,省去一些入门期间查找资料的时间。
受限于篇幅限制,这里将不会大量展开原理性的知识点,想了解的可以自行搜索。本文档将着重于学习过程中常用的一些操作步骤和指令代码。
本文档是按照正常的学习路径依次展开的。因此如果你是初学者,那么从上往下翻阅,一步步跟着操作即可。
如果你觉得光看文档太枯燥了,可以结合网络上的视频教程学习。对于零基础或是初学者的同学,我强烈推荐哔哩哔哩上的这个系列视频:BV1S5411X7FY ,通俗易懂,形象地介绍了诸如 “虚拟环境”、“Python 库 / 包” 等很多零基础的同学没接触过的概念,对于初学者来说非常友好。以此视频为基础的情况下,在 环境配置部分 可以不照着本篇文档学习(内容上两者区别不大)。
可提供 Python 环境,支持创建/管理虚拟环境
Anaconda 官网下载页面
- 软件安装位置推荐默认,不然后期可能会遇到奇怪的 BUG,所以建议在 C 盘空间不足的情况下再选择其他磁盘
- 安装选项默认即可(也可根据自己情况调整)
- Anaconda 默认不会在桌面创建快捷方式,可以从开始菜单内打开,也可通过任务栏的搜索功能打开
PyCharm 是一个常用的 Python 集成开发环境,说人话就是敲代码、调试运行代码的地方。相较于 VSCode、Visual Studio 等,更适合 Python 的编写(至少对于初学者而言是这样的,对于老鸟来说用啥都一样,哪个合适用哪个)
PyCharm 社区版(免费)官网下载页面
- 软件安装位置任意
- 在 Installation Options 页面勾选所有选项
- 其余按默认下一步即可(也可根据自己情况调整)
- 结束后重启电脑即可完成安装(如果有提示要重启的话)
添加环境变量以确保 IDE(集成开发环境、即代码编辑器) 能直接识别到 conda 环境
- 注意:如先前安装过 Python,那么以下配置环境变量的部分可能会导致些许冲突,建议卸载掉原先的 Python。由于 Anaconda 提供了虚拟环境创建和管理功能,所以可以在 Anaconda 中另创建一个相同 Python 版本的环境
- 如何添加环境变量( Win10 / Win11 同理): 教程:Win10 系统如何添加环境变量?
- 需要添加的环境变量(“路径”为你 Anaconda 的安装路径):
D:\\路径\\anaconda3
D:\\路径\\anaconda3\\Library\\bin
D:\\路径\\anaconda3\\Library\\mingw-w64\\bin
D:\\路径\\anaconda3\\Library\\usr\\bin
D:\\路径\\anaconda3\\Scripts
由于需要的包和库等组件基本都在境外网络,下载速度不稳定,经常速度很慢甚至出错(如 HTTP 错误等),所以添加国内的镜像源以加快下载速度
方法一:在 Anaconda Prompt 中执行指令打开 Anaconda Prompt ,依次(逐行复制粘贴)执行代码
- 任选以下一所高校的镜像源(推荐第一个)
| # 清华大学镜像源 |
| conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ |
| conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ |
| conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ |
| conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ |
| |
| # 上海交通大学镜像源 |
| conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/ |
| conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free/ |
| conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/cloud/conda-forge/ |
| |
| # 中国科学技术大学镜像源 |
| conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ |
| conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ |
| conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/ |
| conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/ |
| conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/ |
| conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/ |
- 设置搜索时显示通道地址
| conda config --set show_channel_urls yes |
- 显示添加的镜像源
方法二:修改配置文件
- 用记事本或任意文本编辑器打开 .condarc 文件(此文件可能为“隐藏”属性) 文件路径:
C:\\Users\\#你的用户名#\\.condarc
- 仿照
channels:
中 default
的格式,将镜像源替换进去 示例(可直接复制以下内容使用):
| channels: |
| - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ |
| - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ |
| - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ |
| - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ |
- 显示添加的镜像源
在 Anaconda Prompt 中执行:
| conda create -n yolov5 python=3.8 |
yolov5
为虚拟环境名字,3.8
为 Python 版本
稍等片刻,会显示 Proceed ([y]/n)?
,询问你是否继续 输入 “y” 后回车(即按键 “Enter”)或直接回车(“[ ]” 中的是默认选项)都可
方法一:
打开 Anaconda Prompt
执行 conda activate yolov5
方法二:
打开系统终端窗口: [教程:12种打开终端的方式]
执行 activate yolov5
YOLOv5 requirements
虽然 PyCharm 提供了自动下载安装依赖的功能,但是网速很慢,所以采用终端下载更高效
前往 Github 下载 YOLO 项目的源代码 https://github.com/ultralytics/yolov5
- 在项目页面中,通常在页面右侧会看到一个绿色的 “Code” 按钮
- 点击 “Code” 按钮后,会弹出一个下拉菜单
- 选择 “Download ZIP” 选项,点击下载
解压项目压缩包到你向存放 Python 代码的位置
将终端定位至项目源码文件夹(忘记如何打开终端的见上文 “打开虚拟环境” 中的 “方法二”)
- 方法一:在终端中进入 yolov5 虚拟环境后使用
cd
指令定位至项目源码文件夹- 输入源码文件夹所在磁盘,如:
C:
,D:
- 输入源码文件夹所在文件夹:如:
cd D:\\Code\\Python\\yolov5-master
| D: |
| cd D:\\Code\\Python\\yolov5-master # 你源代码所在的文件夹 |
方法二:
- 打开源码文件夹 “yolov5-master”
- 在此处打开终端窗口,激活 yolov5 虚拟环境
下载项目依赖 (YOLOv5 requirements)
- 执行源代码文件夹中 requirements.txt 里的指令
| pip install -r requirements.txt |
由于需要的包和库等组件基本都在境外网络,所以下载速度可能很不稳定,可以在该指令后面使用 -i
参数添加镜像源。完整代码如下:
| pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple |
稍等片刻,当可以输入命令的时候,说明执行下载完成了
PyTorch
PyTorch 是一个在深度学习中非常常用的 Python 库
进入 PyTorch 官网(服务器在境外,可能会加载慢或打不开) PyTorch Get Started
选择对应版本的 PyTorch,复制相应指令到虚拟环境 yolov5 中执行
| conda install pytorch torchvision torchaudio cpuonly |
注意事项:
- 在执行指令后,会自动检索需要下载的包,检索完会提示你是否继续
Proceed ([y]/n)?
,别忘了继续~
- 下载并安装完成需要一定时间,终端窗口不动是正常的,稍等一两分钟就行了, 完成后会显示一个
done
判断 PyTorch 是否安装成功 进入 yolov5 虚拟环境,依次执行以下代码:
| |
| python |
| |
| import torch |
| |
| print(torch.cuda.is_available()) |
CPU 版本的正确显示结果应该是 False
有 英伟达(NVIDIA) 独立显卡的 GPU 版本的正确显示结果应该是 True
退出 Python 环境执行 exit()
即可