笔记:一、win10下yolov7环境搭建

本次环境:windows10 21h2专业版 1070 8G显卡 2697V3CPU

一、安装Anaconda

下载地址Anaconda |

安装过程中，要选择增加环境变量，如果是灰色的不能选或忘了选，安装完成后也可以手动添加。比如我这台电脑就是灰色的不可选，之前安装的版本并不会，不知道是win更新的缘故还是Anaconda更新了版本的缘故。

2.手动为Anaconda添加环境变量

我的电脑–属性–高级系统设置–环境变量–系统变量–选中path–编辑–新建4个环境变量

D:\anaconda3
D:\anaconda3\Scripts\
D:\anaconda3\Library\bin
D:\anaconda3\Library\mingw-w64\bin

完成后运行CMD，输入conda -V，如果返回conda版本号。则安装正确。

二、安装Pycharm

pycharm是编译运行python的平台，yolov7的源码基本都是python语言。

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

记得下载Community版本的，免费。

安装过程中Add”bin”folder to the PATH(添加pycharm的bin目录到环境变量path中）要选中，其它随意。

安装完成后重启电脑。

三、安装cuda

这里出问题的几率很大，在安装之前，先看一下自己的的显卡cuda版本，然后下载对应版本的cuda.

运行cmd输入：nvidia-smi 查看自己显卡cuda版本，比如我的是11.6(如果提示未找到nvidia-smi此命令，去nvidai显卡安装目录找一下，切换到此目录运行nvidia-smi就可以了。一般在C:\Program Files\NVIDIA Corporation\NVSMI下。

跟据显卡支持的cuda，下载对应的版本。这里不建议下载最新的版本，这样后续其它环境可能找不到对应的版本，会很麻烦。选一个低版本即可。我显卡支持到11.6。但我下载的是11.0版本。

下载地址：CUDA Toolkit Archive | NVIDIA Developer

进入下载页面后选择local 完全下载到本地，方便如果安装失败，可进行重新安装。network是在线下载安装。

安装

如果第一次安装，直接精简安装即可。如果安装失败过，可以尝试点开CUDA， 取消Visual Studio Integeration的勾选试试。

安装完成后会自动添加以下四个变量，如果没有，要手动添加。

win +R cmd进入，输入nvcc -V 验证是否安装成功。如果能看到自己的版本号，就说明基本没有问题了

下载cudnn，选择与刚刚下载的cuda相对应的cudnn版本进行下载。这里下载需要注册。

下载地址：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer

下载for windows版本,解压得到复制bin include lib三个文件夹，复制这三个文件夹到cuda安装路径。

至此，Anaconda pycharm cuda cudnn都已经安装完成了，外部的这些环境已经安装完毕。

四、虚拟环境安装

win+R cmd进入终端 输入 conda create -n 自定的环境名 python=X.X

 环境名自己取，python版本建议3.7以上，比如python 3.8

conda create -n yolo python=3.8

安装完成后activate yolo(环境名)进入到指定环境  deactivate退出环境。

在创建好的环境下，安装pytorch

进入装pytorch官网：PyTorch

点击Previous versions of PyTorch下载早期的版本。

找到和自己cuda对应的版本，选择wheel下的pip下载指令，复制pip指令到刚才创建环境回车进行安装。2G大小，又是外网，可能时间比较久。

下载完成安装时错误！！!

ERROR:Could not find a version that satisfies the requirement torch==1.10.0+cu102(from versions:none)此类错误一般是系统变量的python版本和虚拟环境的python版本不一致造成，安装Anaconda时给我们安装了python3.9并添加到了系统变量中，而我们刚才创建的yolo虚拟环境使用的python3.8。所以出错。

解决：把yolo虚拟环境使用的python3.8中的Scripts文件夹添加到系统变量中，并且上移到Anaconda的变量上方因为环境变量搜索按照从上往下的。

随后重新打开CMD，重新进入环境安装成功。

下载慢的话可以切换国内镜像，在复制的安装命令后添加：-i https://pypi.tuna.tsinghua.edu.cn/simple some-package 形成如下：

pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

检查

activate 进入环境之后输入python， 进入python命令端后输入import torch，再次输入torch.__version__

输出对应型号的时候就说明安装成功了

五、yolov7

下载yolov7：GitHub – YOLOv7

点击Code，Download ZIP 把yolov7的源码包下载下来

解压到一个目录，CMD进入这个目录，activate yolo进入虚拟环境。安装依赖，执行下方PIP。

pip install -r requirements.txt

或（国内用下面的清华的源会快一些）

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

安装完成后下载权重，一个是Test用的yolov7.pt
一个是之后 Train 用的yolov7_training.pt

在yolov7的文件夹路径下建一个weights文件夹，然后把刚刚下载好的两个权重放进去。

detect（检测）

进入虚拟环境，输入以下指令 

 –weights 指令就是代表权重 –source 是照片存在的路径

python detect.py --weights weights/yolov7.pt --source inference/images 

进入runs–>detect–>exp 里面有所有预测好的照片

环境搭建完毕 明天实战。