当前位置: 首页 > news >正文

yolov5环境配置

1、参看查询CUDA版本号

        打开计算机终端(win+R,输入cmd,即可进入),输入:

nvidia-smi

        cuda版本如下: 

2、查看如需的python版本

        前往pytorch官网:PyTorch,选择相应的GPU版本。根据自己的 cudaversion的版本选择相应的pytorch版本。红色框处显示需要3.9或3.9以上的python版本

3、下载python版本

         进入到python下载,根据2、下载并安装相应的python版本

        安装python时,记得勾选红色框选项

4、下载并安装vscode

       vscode官网下载链接 

        vscode配置:

        下载以下插件:

5、安装 miniconda

        miniconda官网

        win+r输入cmd打开终端,输入command prompt下的指令。红色方框所示。

        如果找不到miniconda软件,表示只是下载了其安装包并没有进行安装。在开始处输入miniconda,找到相应的安装包并进行安装。

6、安装cuda与cudnn

6.1.1 下载及安装cuda


        在安装pytorch之前需安装cuda,(若无显卡或intel的显卡则跳过,直接看4.2)下载cuda前需要先查看显卡支持的CUDA版本最高是多少,按下win+r键,输入cmd,在打开的页面输入:nvidia-smi ,即可查看。

cuda官网下载链接

        在这个网站根据自己的显卡版本进行下载。下载完之后运行安装,建议安装到默认路径,所以C盘需要留有20G以上的存储空间,一直点击下一步,直到出现这个界面点击自定义,然后全部勾选即可。

        将下图中选项全部勾选安装。

        安装完成后可以再次在cmd里输入命令:nvcc -V 查看,如下显示即安装成功

6.1.2 cudnn安装
    

        进入cudnn官网,选择合适版本的文件。进入后在文件列表中选择cudnn版本与上面cuda安装相匹配的版本,下载Windows版本的压缩包文件。如图所示。 

        将得到的压缩文件进行解压,解压后得到下图三个文件夹,全选复制进cuda的文件夹中进行覆盖替换,替换完成后即cudnn安装完成。按照本文教程安装的cuda的文件夹默认在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.8 目录下。

7、创建python环境

Step1:搭建环境(优先看注释)


    图1    anaconda终端

        打开anaconda终端,使用命令进行pytorch的虚拟环境安装,并进入创建好的ptyorch_GPU虚拟环境。

conda create -n <name> python=3.10
conda activate <name>#例如:
#conda create -n pytorch_GPU python=3.10
#conda activate pytorch_GPU

        注:Python版本选择Python 3.10具体原因为:在Step3中要导入 导入GPU版本的pytorch,在导入时,pytoecc官网中有明显提示Python版本要求在3.9及以上,因此在创建虚拟环境时,先跳到Step3中确认所需要的Python版本,再进行虚拟环境创建。如图2所示。

图2 pytoecc官网部分截图1

        安装过程如下:

        激活环境:

 

Step2:查询CUDA版本号
        打开计算机终端(win+R,输入cmd,即可进入),输入:

nvidia-smi

         如图3所示,可以看到自己的 cudaversion的版本,也可以看到本机显卡的编号。记住自己的 cudaversion的版本,在Step3中需要用到。

图3 终端运行结果 

Step3:导入GPU版本的pytorch
        前往pytorch官网:PyTorch,选择相应的GPU版本。根据自己的 cudaversion的版本选择相应的pytorch版本,例如本文的cudaversion的版本为12.4,因此可以选择12.4及以下,本文选择CUDA12.4。选择好后复制Run this Command 中的命令行,到上面创建好的虚拟环境pytorch_GPU中执行即可。如图4所示。

图4 pytoecc官网部分截图2

        注:conda安装方式在本文编写的时候,官网已经不再运行使用,故选择pip安装方式。

Step4:在vscode里面添加配置好的环境

        打开vscode,在vscode底栏处,选择自己创建好的虚拟环境。如图5所示。

 图5 vscode       

Step4: 下载安装依赖
        在vscode终端中输入:

pip install -r requirements.txt

        在安装时若是遇到安装错误,则在该命令末尾加上 -i https://pypi.tuna.tsinghua.edu.cn/simple。其作用是更换镜像源来加速下载。即

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

        安装过程如下:

 

Step5: 运行train.py
        打开train.py,找到下面语句,将 default=' ' 修改至 default='0'。以确保训练时是调用GPU进行训练的。“0”为自己的显卡编号,具体编号查询参考Step2.

parser.add_argument('--device', default='0', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')

        修改完后开始运行,根据报错信息逐一修改。

        运行效果如下:

 

 

8、报错信息:

8.1Example: export GIT_PYTHON_REFRESH=quiet

PS D:\ruikang\yolov5-master> & C:/Users/26088/.conda/envs/pytorch_GPU/python.exe d:/ruikang/yolov5-master/train.py
Creating new Ultralytics Settings v0.0.6 file  
View Ultralytics Settings with 'yolo settings' or at 'C:\Users\26088\AppData\Roaming\Ultralytics\settings.json'
Update Settings with 'yolo settings key=value', i.e. 'yolo settings runs_dir=path/to/dir'. For help see https://docs.ultralytics.com/quickstart/#ultralytics-settings.
Traceback (most recent call last):
  File "C:\Users\26088\.conda\envs\pytorch_GPU\lib\site-packages\git\__init__.py", line 296, in <module>
    refresh()
  File "C:\Users\26088\.conda\envs\pytorch_GPU\lib\site-packages\git\__init__.py", line 287, in refresh
    if not Git.refresh(path=path):
  File "C:\Users\26088\.conda\envs\pytorch_GPU\lib\site-packages\git\cmd.py", line 631, in refresh
    raise ImportError(err)
ImportError: Bad git executable.
The git executable must be specified in one of the following ways:
    - be included in your $PATH
    - be set via $GIT_PYTHON_GIT_EXECUTABLE
    - explicitly set via git.refresh(<full-path-to-git-executable>)

All git commands will error until this is rectified.

This initial message can be silenced or aggravated in the future by setting the
$GIT_PYTHON_REFRESH environment variable. Use one of the following values:
    - quiet|q|silence|s|silent|none|n|0: for no message or exception
    - warn|w|warning|log|l|1: for a warning message (logging level CRITICAL, displayed by default)
    - error|e|exception|raise|r|2: for a raised exception

Example:
    export GIT_PYTHON_REFRESH=quiet


The above exception was the direct cause of the following exception:

Traceback (most recent call last):
  File "d:\ruikang\yolov5-master\train.py", line 72, in <module>
    GIT_INFO = check_git_info()
  File "C:\Users\26088\.conda\envs\pytorch_GPU\lib\contextlib.py", line 79, in inner
    return func(*args, **kwds)
  File "d:\ruikang\yolov5-master\utils\general.py", line 370, in check_git_info
    import git
  File "C:\Users\26088\.conda\envs\pytorch_GPU\lib\site-packages\git\__init__.py", line 298, in <module>
    raise ImportError("Failed to initialize: {0}".format(_exc)) from _exc
ImportError: Failed to initialize: Bad git executable.
The git executable must be specified in one of the following ways:
    - be included in your $PATH
    - be set via $GIT_PYTHON_GIT_EXECUTABLE
    - explicitly set via git.refresh(<full-path-to-git-executable>)

All git commands will error until this is rectified.

This initial message can be silenced or aggravated in the future by setting the
$GIT_PYTHON_REFRESH environment variable. Use one of the following values:
    - quiet|q|silence|s|silent|none|n|0: for no message or exception
    - warn|w|warning|log|l|1: for a warning message (logging level CRITICAL, displayed by default)
    - error|e|exception|raise|r|2: for a raised exception

Example:
    export GIT_PYTHON_REFRESH=quiet

解决方案: 

方法 1:安装 Git 并添加到系统 PATH

  1. 下载并安装 Git

    • 从官网下载 Git:Git - Downloads

    • 安装时勾选 "Add Git to the system PATH"(或类似选项)。

  2. 验证 Git 是否安装成功

    • 打开新的终端(CMD/PowerShell),运行:

      git --version

      如果显示 Git 版本号,说明安装成功。

  3. 重新运行训练脚本

方法 2:手动指定 Git 可执行路径(如果已安装 Git)

如果 Git 已安装但未添加到 PATH,可以通过环境变量指定路径:

  1. 找到 Git 可执行文件路径(通常是 C:\Program Files\Git\bin\git.exe)。

  2. 在运行训练脚本前,设置环境变量:

    set GIT_PYTHON_GIT_EXECUTABLE="C:\Program Files\Git\bin\git.exe"

    然后运行训练脚本。

方法 3:禁用 Git 检查(临时解决)

如果不需要 Git 信息,可以修改 YOLOv5 代码:

  1. 打开 d:\ruikang\yolov5-master\utils\general.py

  2. 找到 check_git_info() 函数,将其改为直接返回 None

    def check_git_info():return None

    或者注释掉 train.py 中调用 check_git_info() 的部分。

方法 4:设置 GIT_PYTHON_REFRESH(忽略错误)

在运行脚本前设置环境变量来忽略错误:

set GIT_PYTHON_REFRESH=quiet
python d:/ruikang/yolov5-master/train.py

8.2安装git时未勾选 "Add Git to the system PATH"

1. 手动将 Git 添加到系统 PATH
  1. 找到 Git 的安装路径(默认通常是 C:\Program Files\Git\bin 或 C:\Program Files (x86)\Git\bin)。

  2. 添加 Git 到系统 PATH

    • Windows 10/11

      1. 按 Win + S,搜索 "环境变量",选择 "编辑系统环境变量"

      2. 点击 "环境变量" → 在 "系统变量" 中找到 Path → 点击 "编辑"

      3. 点击 "新建",输入 Git 的 bin 目录路径,例如:

        C:\Program Files\Git\bin
        
      4. 点击 "确定" 保存所有窗口。

    • 验证 Git 是否可用
      打开新的 CMD/PowerShell,运行:

      git --version

      如果显示 Git 版本(如 git version 2.40.1),说明配置成功。

  3. 重新运行 YOLOv5 训练脚本

    python d:/ruikang/yolov5-master/train.py

2. 临时指定 Git 路径(不修改 PATH)

如果不想修改系统 PATH,可以在运行训练脚本前临时设置 GIT_PYTHON_GIT_EXECUTABLE

  1. 找到 git.exe 的完整路径(如 C:\Program Files\Git\bin\git.exe)。

  2. 在 CMD/PowerShell 中运行

    set GIT_PYTHON_GIT_EXECUTABLE="C:\Program Files\Git\bin\git.exe"
    python d:/ruikang/yolov5-master/train.py

    (注意:这种方式只对当前终端会话有效)


3. 重新安装 Git 并勾选 "Add to PATH"(推荐)

如果不想手动配置,最简单的办法是 重新安装 Git

  1. 卸载现有 Git(控制面板 → 卸载程序)。

  2. 重新下载 Git 安装包:Git - Downloads

  3. 安装时勾选

    • ✅ "Add Git to the system PATH"(关键选项)

    • ✅ "Use Git from the Windows Command Prompt"(可选但推荐)

 

http://www.xdnf.cn/news/1003843.html

相关文章:

  • linux共享内存解析
  • 完整 Bootloader 框架
  • 智能制造:解读41页中小工厂数字化新路径【附全文阅读】
  • CoSchedule Headline Analyzer:分析标题情感强度与可读性
  • 在 Flask 或 Tornado 中返回渲染后的页面内容
  • 爱普生SG5032EEN差分晶体振荡器的特点
  • Element UI 表格el-table宽度不能自适应的问题解决方法
  • 深度学习编译器
  • Docker搭建2FAuth服务
  • 数据结构 (树) 学习 2025年6月12日12:59:39
  • Vue 生命周期
  • 铸铁平台的制造工艺复杂而精细
  • 音视频之H.264/AVC编码器原理
  • 头歌之动手学人工智能-Pytorch 之torch.nn进阶
  • 算法导论第二章:递归与分治的数学艺术
  • 【MV】为什么需要DeepSeek 的分析: AI 替代编舞师
  • Docker 常用命令大全
  • 基于LangChain构建一个RAG多轮对话问答应用
  • LeetCode 868.二进制间距
  • 第三十八课:实战案例-飞鸟和飞机的识别
  • EtherCAT主站转Profinet网关与禾川伺服驱动器X4E快速通讯案例
  • 并行程序设计
  • Nuttx之mm_realloc
  • AtCoder-ABC-409 题解
  • java BIO/NIO/AIO
  • 工具+服务双驱动:创客匠人打造中医IP差异化竞争力
  • 搭建商城系统可能运用到的技术
  • Python告别数据处理卡顿之itertools模块使用详解
  • 立即体验|效果好、低延迟,Trae 已支持 Doubao-1.5-thinking-pro 新模型
  • faiss上的GPU流程,GPU与CPU之间的联系