(备份笔记 仅记录)
走国产化路上 要离开老黄的NVIDIA了，现在摸索下比特家的异构计算
yolo还停在v3的阶段 因为之前v3就已经够产品化去用了。这次也走下yolov5吧！
1.yolov5环境搭建
2.yolov5模型训练
3.yolov5模型测试
4.模型做truck
5.模型转换为比特家的 bmodel
6.飞腾|鲲鹏 下集成
第一部分 环境搭建
这里不一一截图了啊 网上教程颇多 只戳疼点
1.下载 Miniconda3-latest-Windows-x86_64 安装 细节略。
2.创建虚拟环境(直接搞也行啊) conda create -n yolov5gpu python=3.9 -y
3.激活虚拟环境 conda activate yolov5gpu
4.git clone https://github.com/ultralytics/yolov5 下载代码
5.因为是gpu版 要安装对pytouch 这里选的cuda 11的支持率极高 偏门显卡具体细查哈啊
pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio===0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
pip install -r requirements.txt安装全部依赖
（pip下载是个坑 设置清华源加速啊，不然你就知道杯具是什么了
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple）
6.又是下载坑啊
Arial.ttf 想法下下来拷贝到C:\Users\agan\AppData\Roaming\Ultralytics\
md C:\Users\agan\AppData\Roaming\Ultralytics\
copy Arial.ttf C:\Users\agan\AppData\Roaming\Ultralytics\
yolov5.pt 也要从官网下载到 yolov5\weights
说这么多 别看懵了 下面一张文件位置分布图就明确了
7.网上找个dog的小数据集测试哈
--device 0表示要用 gpu 0卡是我这里nvidia的一个卡啊
python train.py --data data/dogs.yaml --cfg models/yolov5sDogs.yaml --weights weights/yolov5s.pt --batch 16 --epochs 100 --workers 0 --device 0
一会儿在yolov5\runs\train下就有东西了
说明成功了， 整个环境我打包了全部依赖nvidia 重用卡都好练了。
4G大吧 可以接受 分4个卷 01 02 03 04 后面可能会优化调整一下。
第一部分完事。
第二部分 训练数据
公司服务器数据集准备 标注员已准备好
修改上面的数据位置就行了 没啥好说的
