位置: IT常识 - 正文

YOLOv7（目标检测）入门教程详解---环境安装(yolov3目标检测)

编辑：rootadmin

YOLOv7（目标检测）入门教程详解---环境安装

一.前言

二.yolov7环境搭建

直接进入正题，环境搭建开始：

Anaconda:

Pycharm:

cuda：

cuda安装：

cudnn：

三.虚拟环境安装

创建虚拟python环境：

Pytorch:

四.总结

一.前言

推荐整理分享YOLOv7（目标检测）入门教程详解---环境安装(yolov3目标检测)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:yolov5目标检测代码,yolov3目标检测,yolov7目标检测算法,搭建yolov4目标检测平台,yolo 目标检测,yolov7目标检测算法,yolo 目标检测,yolov3目标检测,内容如对您有帮助，希望把文章链接给更多的朋友！

由于最近博主在参加一个无人机的比赛，需要对障碍物进行识别。所以根据调查考究，决定使用YOLO算法对障碍物进行目标检测，yolo算法的系列非常之多，那么最新的就是前段时间AB大神团队（yolov4的作者）出的yolov7。那么作为零基础深度学习的我，在这半个月探索的过程中可谓是经历了风风雨雨百般挫折，好在最终修成正果。可以说使用yolo进行目标检测的门槛挺高的，如果像博主我这种一开始完全不懂的零基础的小白而言，要搜索将近几百篇博客才可能真正的能够跑通并且使用yolov7进行推理，训练。那么我对接下来要出的yolov7相关博客的主要内容进行一个前言总结：1. 对网上相关博客进行整理归纳总结，真正意义上的帮助零基础小白实现yolov7的推理和训练 2.深度学习环境搭建 3.用python和c++分别实现yolov7 4.常见bug的分析

二.yolov7环境搭建

可以说小白yolov7入门的第一个难题就是深度学习相关环境的搭建，很多人在尝试了几次环境搭建失败之后就选择放弃，也就不了了之了，那么博主毫不夸张的说经历了上百次的失败，最终才成功的。所以在入门yolov7的过程中首先最重要的就是有恒心，每个人的电脑都不一样，所以出现的问题也会不同，要多去尝试，不要轻易放弃。

直接进入正题，环境搭建开始：

b站较好的安装视频教程：https://www.bilibili.com/video/BV1ov41137Z8?spm_id_from=333.337.search-card.all.click&vd_source=b0652e40837b5f6c1f58d67197f17c2f

Anaconda:

安装Anaconda主要是搭建python的虚拟环境，之后我们进行yolov7的detect和train都会在终端进行

下载官网：Anaconda | The World's Most Popular Data Science Platform

选择对应的电脑版本安装：

勾选环境变量：

在安装Anaconda的过程中基本上是没啥坑的，也很少出现安装失败的过程。如果安装失败，可以参考以上的视频链接或者私信我进行讨论。

Pycharm:

pycharm是编译运行python的平台，yolov7的源码基本都是python语言，所以安装pycharm有助于之后打开yolov7相关源码进行分析查看

下载官网：PyCharm：JetBrains为专业开发者提供的Python IDE

进入官网点击下载就ok，下载community就行了

pycharm的安装也不会有什么大问题的，就是正常的安装路径，大概率不会出错。

cuda：

cuda这里我直接标红了，对于第一次安装cuda的小白来说，这会存在非常之多的问题。所以这里我会详细的进行介绍。

cuda是什么：

cuda：CUDA（Compute Unified Device Architecture，统一计算架构[1]）是由英伟达NVIDIA所推出的一种集成技术，是该公司对于GPGPU的正式名称。透过这个技术，用户可利用NVIDIA的GPU进行图像处理之外的运算，亦是首次可以利用GPU作为C-编译器的开发环境。CUDA 开发包（CUDA Toolkit ）只能将自家的CUDA C-语言（对OpenCL只有链接的功能[2]），也就是执行于GPU的部分编译成PTX中间语言或是特定NVIDIA GPU架构的机器代码（NVIDIA 官方称为 "device code"）；而执行于中央处理器部分的C / C++代码（NVIDIA 官方称为 "host code"）仍依赖于外部的编译器，如Microsoft Windows下需要Microsoft Visual Studio；Linux下则主要依赖于GCC

上面是对cuda的介绍，简要来说cuda是我们电脑gpu必要的开发包，我们后面所有的训练推理以及转onnx模型乃至于pytorch的安装都需要cuda与GPU的结合。直白的说，你没有cuda，你的GPU在深度学习中啥也不是，就是个摆设而已。（当然你要是没有GPU，就当我说的都是废话吧）我相信大多数同学的电脑还是带有GPU的，并且毕竟是图像处理，深度学习，在后面我们就会知道GPU推理速度可以是CPU的几十倍，只有使用GPU才能把yolov7的强大表现出来。

cuda安装：

我们先不急着去找cuda官网进行安装，首先我们要先知道自己显卡的属性，我们的显卡支持什么版本的cuda。首先 WIN +R cmd运行：

输入nvidia-smi

然后我们会看到表格的右上角有一个 CUDA Version:11.6 博主我的电脑显卡是RTX 3070，所以最高支持CUDA 11.6版本，所以说如果超过11.6版本的cuda我的电脑是没能力支持的，我只能安装cuda 11.6以下的版本。11.6是当前较新的版，强烈建议：不要安装最新的版本cuda，这样后续其他环境的安装可能就找不到对应的版本，导致重新安装会非常的麻烦所以我安装的是cuda 11.0版本如果你的显卡不支持11.0以上版本就安装你相对应能够匹配的版本。

接下来，删掉你电脑里存在的所有nvidia的插件（不要害怕，之后可以下载回来）

打开你的控制面板，卸载程序：

虽然说可以留那么一两个不卸载，但是我觉得能看到我博客的应该都是小白，所以我就不跟你们说那么多了，直接全部卸载，以绝后患。

这里仍然还存在一个问题，也是之后会导致你安装失败并且百思不得其解的bug，就是你的cuda和VS版本的问题，我的建议是如果你的显卡支持11.0以上版本cuda，就先安装vs2019，如果是其它版本的VS直接先卸载重装VS 2019 ，如果你的cuda版本只支持10.2以内，那么你先把VS卸载，并且不要安装，我们先老老实实的安装cuda去。

cuda下载官网：CUDA Toolkit Archive | NVIDIA Developer

选择你要下载的版本：

然后我们进入下载页面后选择local 本地下载，方便如果安装失败，可进行重新安装。

选择同意并继续

如果你是按我说的卸载所有的nvidia插件并且卸载了VS，那么直接精简安装就ok

如果你是第n次安装了，并且装有VS，选择自定义之后，就勾选第一个CUDA就ok，其他都不要勾选，否则非常容易安装失败

点开CUDA，取消Visual Studio Integeration的勾选，这也是常见的一个安装失败的原因