信息网络与数据中心

YOLO V5环境搭建（NVIDIA GPU）

发布时间：2024-01-23 作者：[信息网络与数据中心]程印乾阅读：224次

登录高性能计算平台后，先申请GPU服务器

[test002@admin1 ~]$salloc -p nvidia_gpu -n 1 --gres=gpu:1

申请成功后，切换到GPU节点，如上图显示成功申请到了gpu1节点。

[test002@admin1 ~]$ ssh gpu1

查看可用的软件

[test002@gpu1 ~]$ module av

将anaconda3加载到本用户环境下

[test002@gpu1 ~]$ module load apps/anaconda3/2021.05

查看本用户环境下已加载软件环境

[test002@gpu1 ~]$ module li
Currently Loaded Modulefiles: 1) apps/anaconda3/2021.05

查看anaconda虚拟环境

[test002@gpu1 ~]$ conda info --envs
# conda environments:
#base                  *  /public/software/apps/anaconda3/2021.05
qiime2-2023.5            /public/software/apps/anaconda3/2021.05/envs/qiime2-2023.5

己确定，这里使用yolo作为环境名

[test002@gpu1 ~]$ conda create -n yolo python=3.8

安装成功后激活yolo环境

(base) [test002@gpu1 ~]$conda activate yolo

在所创建的yolo环境下安装pytorch，执行命令

(dl) [test002@gpu1 ~]$ pip3 install torch torchvision torchaudio --extra-index-url https://pypi.tuna.tsinghua.edu.cn/simple/

验证

通过图形界面上传yolov5代码到project目录下

进入yolov5代码目录

(dl) [test002@gpu1 project]$ cd yolov5-master/

把yolov5文件下的requestments.txt文件里的torch、torchvirsion注释掉

安装所需库

(dl) [test002@gpu1 yolov5-master]$ pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

下载预训练权重文件，在代码目录下新建 weights文件夹，上传权重文件

测试安装环境是否正确

(dl) [test002@gpu1 yolov5-master]$ python detect.py --source data/images/ --weights weights/yolov5m.pt --conf 0.4

#查看检查结果

conda删除虚拟环境
要删除虚拟环境，需要使用conda remove命令。以下命令将删除名为dl的虚拟环境，同时删除环境中的所有包和安装目录：

$ conda remove --name dl --all

如果只想删除虚拟环境的一部分，可以使用以下命令。这将删除名为my_env中的numpy包：

$ conda remove --name dl numpy