当前位置: 首页 > news >正文

WSL-Ubuntu20.04训练环境配置

1.YOLOv8训练环境配置

        训练环境配置的话就仍然以YOLOv8为例,来说明如何配置深度学习训练环境。这部分内容比较简单,主要是安装miniAnaconda以及安装torch和torchvision.

        首先是miniAnaconda的安装(参考官网的教程Miniconda — Anaconda ),执行以下指令即可:

mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm -rf ~/miniconda3/miniconda.sh

        然后初始化一下,重新打开后就直接是anaconda环境了.

~/miniconda3/bin/conda init bash

         最后利用anaconda创建YOLOv8训练环境,这里使用的环境是python-3.8,torch-1.13,torchvision-0.14,cuda版本也和WSL的cuda版本保持一致,选择11.6。下载链接:download.pytorch.org/whl/torch_stable.html,(注意:原本我这里安装版本是torch-1.12,torchvision-0.13,但是在验证的时候会报错,torch版本提升至1.13后又没有报错了,所以这里我就选择torch-1.13和torchvison-0.14)

         将下载好的torch和torchvision的whl文件拷贝到/home/download路径下(这里的图片版本是torch-1.12,torchvision-0.13,我没有更换,大家替换成自己对应版本就行).

        然后执行以下指令来完成v8环境配置。 

conda create -n v8_env python=3.8 -y
conda activate v8_env
pip install /home/download/torch-1.13.0+cu116-cp38-cp38-linux_x86_64.whl
pip install /home/download/torchvision-0.14.0+cu116-cp38-cp38-linux_x86_64.whl
pip install ultralytics

 2.YOLOv8训练环境验证

        先来看一下torch是否安装好,以及是否可以正常使用gpu,如果返回true和能调用gpu,说明torch安装好了,如下所示。

        接下来使用v8提供的预训练权重来预测下结果,看看v8的环境是否安装好。         先在链接(GitHub - ultralytics/ultralytics: NEW - YOLOv8 )中把YOLOv8源代码和目标检测的预训练权重下载下来,放到项目代码中,然后再使用下面指令就可以查看预测结果,同时判断自己的YOLOv8环境是否已经安装成功,其中path/to/best.pt替换成自己的路径。

        把ultralytics-main.zip这个压缩包放在/home路径下(放在哪里都行),解压缩ultralytics包.

        执行以下命令,其中bus.jpg,则可以打开链接bus.jpg自行下载,然后放在项目文件中,执行结果保存在runs/detect/predict中,同样可以直接在windows的wsl路径(\wsl.localhost\Ubuntu-2004\home\ultralytics-main\runs\detect\predict)下打开这个文件查看运行结果。 

yolo detect predict model=/home/ultralytics-main/yolov8n.pt source=/home/ultralytics-main/bus.jpg

3.YOLOv8训练自己的数据集 

        这一部分主要是使用vs-code远程连接WSL-ubuntu20.04,其他都可以直接参考在Windows环境下标注、训练、验证、预测及导出的步骤,可以直接参考这两篇公开的博客。

        LabelImg下载及目标检测数据标注

        YOLOv8的训练、验证、预测及导出[目标检测实践篇]

        此外,我在训练-验证的时候还遇到以下错误,nvrtc: error: invalid value for --gpu-architecture (-arch),参考了iassc gym nvrtc: error: invalid value for --gpu-architecture-CSDN博客,并没有解决问题,然后我更新torch版本为1.13,torchvison版本为0.14后,就可以正常训练了,理论上来说应该不会这样的,知道的朋友可以告诉一下。

http://www.lryc.cn/news/401037.html

相关文章:

  • 运维检查:mysql表自增id是否快要用完
  • 深入理解FFmpeg--libavformat接口使用(一)
  • 坚持日更的意义何在?
  • 内容长度不同的div如何自动对齐展示
  • Qt中https的使用,报错TLS initialization failed和不能打开ssl.lib问题解决
  • P2p网络性能测度及监测系统模型
  • zookeeper相关总结
  • 【openwrt】Openwrt系统新增普通用户指南
  • 【GD32】从零开始学GD32单片机 | WDGT看门狗定时器+独立看门狗和窗口看门狗例程(GD32F470ZGT6)
  • 详解曼达拉升级:如何用网络拓扑结构扩容BSV区块链
  • 编译打包自己的云手机(redroid)镜像
  • 自动驾驶的规划控制简介
  • java配置nginx网络安全,防止国外ip访问,自动添加黑名单,需手动重新加载nginx
  • ARP协议
  • Qt程序图标更改以及程序打包
  • 普通人还有必要学习 Python 之类的编程语言吗?
  • 「Python」基于Gunicorn、Flask和Docker的高并发部署
  • 在攻防演练中遇到的一个“有马蜂的蜜罐”
  • 一文了解MySQL的表级锁
  • LVS+Keepalive高可用
  • 网络安全防御【防火墙安全策略用户认证综合实验】
  • IOS上微信小程序密码框光标离开提示存储密码解决方案
  • AWS CDN新增用户ip 地区 城市 响应头
  • Elasticsearch基础概念
  • Redis 7.x 系列【24】哨兵模式配置项
  • SpringBoot+Vue实现简单的文件上传(策略模式)
  • 软考中级科目包含哪些?应该考哪个?
  • ArcGIS Enterprise 命令行组件创建配置
  • Web组成架构
  • 「Pytorch」roLabelImg 图像异常旋转 bug