需要安装的东西（持续更新）

• anaconda（创建虚拟环境时注意选择python版本）
• yolov5以及requirements.txt中的依赖（直接安装不用选择版本）
• wandb（深度学习轻量级可视化工具入门教程）
• 标注软件（labelImg）
• 批量修改文件名（方便标注）

Anaconda

• 指令

activate yolo	//打开名字叫yolo的虚拟环境
conda list	//查看已安装包

- conda anaconda的区别/pip conda的区别
https://zhuanlan.zhihu.com/p/379321816
Pip可以在任何环境中安装包，但是只能安装Python包。
Conda只能在conda环境中安装包，但是可以安装各种语言、各种类型的包。
其实差不多。

Yolov5需要的标注文件格式

应该是txt，但是多种格式之间转换方式简单。

CUDA和CUDNN

有一种说法，CUDA和CUDNN主版本号一样就行。没试过
另一种，例如CUDA11.6，但是没有对应的CUDNN，那么可以使用cudnn for 11.x

CUDA版本问题

nvcc -V查看到的应该是支持的版本（或者驱动里查看到的）
nvidia-smi查看到的应该是已经安装的版本
一定要注意安装最新pytorch支持的最高版本的cuda，尽量不要去安装最新版本的cuda，要看pytorch支持到哪个版本。
但我在2022年3月份测试，我使用cuda11.6，cudnn for 11.x可以正常安装pytorch1.11（pytorch1.11官网上写着是支持cuda11.3）我猜测应该同属于一个大版本，pytorch和cuda都可以支持

pytorch在anaconda中的安装

去官网复制指令安装时，*千万不要用清华源！千万不要用清华源！千万不要用清华源！
一定要恢复默认源，并且挂梯子再安装pytorch。
原因是用官方命令安装pytorch会安装到清华源的默认cpu版本，自己手动下很麻烦，还是挂梯子吧
清华源害人不浅

注意，cmd命令窗口再挂梯子时要使用命令set http_proxy=http://192.168.2.179:7890（ip和端口换成你自己的）(同下)
这个命令是关了窗口就会失效的。

训练时

使用wandb可视化
注意使用全局梯子，cmd也要挂上代理。具体方法见此处https://blog.csdn.net/qiphon3650/article/details/111060707

set http_proxy=http://127.0.0.1:1080

set https_proxy=http://127.0.0.1:1080

set http_proxy_user=user
set http_proxy_pass=pass

set https_proxy_user=user
set https_proxy_pass=pass

# 恢复
set http_proxy=

set https_proxy=

# linux 下命令为 export, 很相似
# export http_proxy=http://127.0.0.1:1080

其他问题的解决

https://blog.csdn.net/peacefairy/article/details/110528012

步骤总结

1. 标注数据 准备好训练集和测试集
2. 训练集与label放到yolomaster中，配置yaml文件
3. 启动anaconda
4. 挂梯子，set proxy
5. 修改train.py参数
6. 训练