在北京做家教的网站,快速生成html模板,商标设计网上接单 平台,公关策划公司本文介绍如何快速搭建起yolov10环境#xff0c;用于后续项目推理、模型训练。教程适用win、linux系统 yolo10是基于yolo8#xff08;ultralytics#xff09;的改进#xff0c;环境配置跟yolo8几乎一模一样。
目录
第1章节#xff1a;创建虚拟环境
第2章节#xff1a;… 本文介绍如何快速搭建起yolov10环境用于后续项目推理、模型训练。教程适用win、linux系统 yolo10是基于yolo8ultralytics的改进环境配置跟yolo8几乎一模一样。
目录
第1章节创建虚拟环境
第2章节GPU环境下YOLOV10环境配置
第3章节CPU环境下YOLO10环境配置
第4章节下载yolo10源码 重要说明YOLO10环境分为CPU环境与GPU环境选择任意一种即可。鼓励有英伟达显卡的用户优先选择GPU环境项目检测、模型训练速度会快很多很多
适合选择CPU环境的情况电脑上没有英伟达显卡(N卡)
适合选择GPU环境的情况电脑上有英伟达独立显卡(显存大小不限)且已经安装好英伟达显卡驱动。注意一定是英伟达的独立显卡不是AMD显卡更不是集成显卡
英伟达显卡驱动如何安装可以查看本人之前写的教程
Tips :电脑上有英伟达显卡如何知晓显卡驱动是否安装
答打开电脑的命令行窗口键入 nvidia-smi命令如果有输出则安装成功如下图所示 第1章节创建虚拟环境
说明anaconda、venv等都可以虚拟环境的python版本应不低于3.8我这里指定为3.10。
前置条件电脑中已经安装配置好anaconda、或者miniconda、或者python venv虚拟环境中的任意一种(如果电脑中没有这些软件环境可自行百度安装配置网上教程很多优先选择anaconda
下面以anaconda新建虚拟环境为例在anaconda环境下新建一个虚拟环境。如果你的电脑中正确安装了anaconda在电脑的windows徽标的“所有应用”中可以看到anaconda目录里面有 Anaconda Prompt和Anaconda Powershell Prompt见下图 然后我们点击Anaconda Powershell Prompt优先推荐使用这种方式其次是Anaconda Prompt之后我们就进入了Anaconda Powershell Prompt命令行。
然后在命令行窗口中输入下面的命令新建一个名为yolo10的环境(我这里取虚拟环境名为yolo10这里的虚拟环境名称是自己定义的比如yolov10,aaabbb等数字英文名称都是可以的我这里python版本为3.10.0)
conda create -n yolo10 python3.10.0 创建好环境之后将anaconda由base环境切换到刚刚新建好的yolo10环境 切换到对应的conda环境之后下面安装配置YOLO10的运行环境首先介绍GPU环境然后介绍CPU环境。
第2章节GPU环境下YOLOV10环境配置
说明如果你的电脑不具备GPU环境请直接跳到下一章节。
前置要求需要你的电脑有英伟达显卡且安装了显卡驱动nvidia-smi命令有返回
2.1 去Pytorch官网安装GPU版本的Pytorch
在第1章节中用anaconda创建好一个名为yolo10的虚拟环境之后激活进入该环境中进行下列操作。
不就是安装Pytorch吗直接conda install pytorch 或者 pip install pytorch不就好了如果这样做的话就安装错了这样安装的是cpu版本的pytorch并且没有为名为yolo10的虚拟环境安装cudatoolkit工具包(运行时环境) 。我们需要执行下面的命令之一为名为yolo10的虚拟环境正确安装gpu版本的pytorch。在执行下面的命令之前我们需要仔细确认自己电脑的英伟达显卡驱动支持的最高cuda版本。具体做法是命令行窗口输入nvidia-smi返回的 CUDA Version即为支持的CUDA最高版本。详细见下图所示 可以看到本人电脑的显卡驱动所支持的最高 CUDA版本是12.4意思是最高可以安装cuda 12.4或者比cuda 12.4 低的只低不高的原则。那么我们需要去pytorch官网找到与cuda 12.4版本对应的安装命令或者比CUDA12.4低的安装命令。 如上面截图所示2024.06.05这个页面上可以让我们选择安装方式conda安装、pip安装....对应的OS版本、CUDA版本等等页面会自动生成安装命令。但是上面的页面所显示的支持CUDA 11.8和 CUDA12.1而我们本地电脑所支持的最高版本是CUDA12.4根据只低不高的原则。因此可以选择CUDA 11.8或 CUDA12.1我们直接在页面上选择Pytorch版本选择StableOS类型这里选择windows安装方式这里选择Conda语言选择PythonCUDA版本我这里选择12.1然后就可以自动生成安装命令
conda install pytorch torchvision torchaudio pytorch-cuda12.1 -c pytorch -c nvidia
然后我们复制上面的命令在yolo10的conda虚拟环境中执行安装 这里一般需要我们等待相当长一段时间除非你的网络比较好或者之前安装过安装速度一般自己电脑的网络而异网络不好可能会安装中断此时多次重试上面的命令即可。
如果你的电脑的显卡驱动所支持的最高CUDA版本既不是11.8也不是12.1假如是11.7那么需要进入历史版本界面链接如下图红色方框所示找CUDA 11.7的pytorch 进入pytorch历史版本页面后如下面的截图所示我们直接复制命令执行了就好了 可以看到CUDA11.7对应的conda 安装方式的命令是这样的CUDA11.7对应着多个版本的torch我这里选择torch2.0.1:
conda install pytorch2.0.1 torchvision0.15.2 torchaudio2.0.2 pytorch-cuda11.7 -c pytorch -c nvidia 我们直接复制在名为yolo10的conda环境下执行即可
当然我们还可以选择pip命令安装直接从页面复制命令在名为yolo10的conda环境命令行窗口执行注意conda安装、pip安装两种方式任选其一即可不可重复 第3章节CPU环境下YOLO10环境配置
说明在CPU环境下项目视频检测和摄像头检测速度会比较慢
在第1章节为项目创建好虚拟环境之后还是以名为yolo10的虚拟环境为例子)激活并进入该虚拟环境后键入下面的命令(两种安装方式任选其一切记不可重复)
1.Anaconda安装默认anaconda源中最新版本的torch
conda install pytorch torchvision torchaudio cpuonly -c pytorch 2.Pip 安装我这里以2.0.1版本为例)
pip install torch2.0.1 torchvision0.15.2 torchaudio2.0.2
下面不加版本号默认安装的是pip源中最新版本的torch
pip3 install torch torchvision torchaudio
第4章节下载yolo10源码 去github下载yolo10源码https://github.com/THU-MIG/yolov10 yolo10项目目录下 有一个 requirement.txt 环境依赖截止到2024.7.10该文件的环境依赖如下 毫无疑问直接pip install -r requirement.txt无论你的电脑有没有英伟达显卡直接安装requirements.txt安装的是cpu版本的torch对于模型训练来说cpu版本的torch奇慢并且onnxruntime-gpu仅限有英伟达显卡的用户才能安装成功。 前面几个章节已经给出了正确安装pytorch的步骤我们的环境中已经有torch了因此把上面的requirement.txt中的torch、torchvision、以及onnxruntime-gpu注释掉几乎用不到除非你用了onnx模型推理然后在上述anaconda中的yolo10虚拟环境中安装剩余的依赖即可。
关于如何安装onnxruntime-gpu可以参考本人之前写的文章。
