Yolov4(pytorch)_环境配置与demo测试

主要介绍 win10 下 yolov4_pytorch GPU 版本的环境配置和测试方法

一.前期准备

• 下载yolov4_pytorch源码，感谢作者！https://github.com/Tianxiaomo/pytorch-YOLOv4

• 下载权重：
  yolov4.weights 权重已经github上给出 ，自行下载，下载完成后，在上面代码文件的目录下创建 weights 文件夹，将权重文件放入这个文件夹中
  

二.配置环境

• 创建环境

  进入conda命令行创建虚拟环境，环境名为torch36(环境名自己起，注意和其他环境区分开)，python版本为3.6

  conda create --name torch36 python=3.6
  

• 激活环境

  conda activate torch36
  

• 安装pytorch

  需要根据自己电脑的cuda版本安装对应的pytorch版本，我的电脑cuda是10.2

  pytorch  conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.2 -c pytorch
  

• 安装opencv-pytorch

  在[这里]https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv根据自己的python版本下载对应的opencv，我下载的是 opencv_python-4.4.0-cp36-cp36m-win_amd64.whl，下载完成后，将其放到前面创建的torch36 这个环境的site-packages 文件夹里，然后使用如下命令进行安装

  pip install opencv_python-4.4.0-cp36-cp36m-win_amd64.whl
  

到这里，基础的环境已经配置好啦

注意，上面配置的是 GPU版 的，CPU 版的配置相同，不同之处是在安装pytorch部分，需要安装cpu的pytorch，这里我也进行了相关的配置，具体命令如下

conda install pytorch torchvision cpuonly -c pytorch

之后的opencv-pytorch安装和前面一样

三、demo测试

环境配置好之后，可以跑一下demo文件测试一下

进入到下载好的代码文件夹下，执行如下命令，执行前确保相应的文件在对应文件夹下

python demo.py -cfgfile cfg/yolov4.cfg -weightfile weights/yolov4.weights -imgfile data/dog.jpg

测试完成后，会在文件夹中生成一个 predictions.jpg 文件，下图为demo测试结果

至此，yolov4_pytorch 的基本测试就完成啦~~~

本文地址：https://blog.csdn.net/myr503270510/article/details/109642901