在pycharm中配置GPU训练环境（Anaconda)（yolov5)

1. 具体的配置过程：

手把手教你Anaconda安装虚拟环境配置yolov5

2. 在指定位置（路径）创建虚拟环境：

1：使用命令查看当前拥有的虚拟环境

conda info --envs

2：在指定目录下创建新的虚拟环境，输入命令：

conda create --prefix=C:/ProgramData/Anaconda3/envs/pytorch python=3.8

    其中C:/ProgramData/Anaconda3/envs 是创建的目录所在位置；/pytorch是所创建的环境的名称 python=3.8是创建的python的版本。

    可以看到，验证确实创建在我们想要的位置

OK啦，创建成功：

3. conda常用命令：

常用命令大全

• 删除虚拟环境的代码如下（yolo5表示env名字）

两者选其一：
conda env remove -n yolo5

conda env remove -p 虚拟环境路径

• 激活虚拟环境

conda activate F:\Anaconda\envs\yolo5

4: 在跑模型时候遇到的一些问题：

4.1: conda添加python解释器找不到对应的python.exe文件

    网上有很多解决方法，我参考了这个：（也是用GPU训练的，如果解释器是anaconda虚拟环境中的python，那效果应该是一样的）

• 直接在Virtualenv Enviroment中找conda的虚拟环境里的python.exe就可以
• 直接在System Environment中找conda的虚拟环境就可以

4.2: 报错“OSError: [WinError 1455] 页面文件太小，无法完成操作。”

    这个好像和给cuda虚拟环境所在盘分配的虚拟内存有关：

    具体可以参考下边这个博客：

页面文件太小，无法完成操作。

4.3: 报错“CUDA out of memory. Tried to allocate 14.00 MiB

    这个应该是训练的模型所设置的batch-size太大了，GPU的显存满足不了

    把batch-size调小一些，如设置常用的256 128 64 32 16等，我是把yolov5中的16改为了8，然后问题就迎刃而解了。

    最后附上使用GPU训练yolov5模型成功的截图：

（之前用CPU跑同样规模的数据集跑了2个小时，用了GPU只需要16分钟，不得不说真香）

    显卡配置：（有钱一定换块好的）

5: CUDA11.1版本出现NAN的问题原因及解决措施：

我在完成上述步骤后，出现了一些错误，具体表现为如下形式：

该问题出现的原因在于CUDA版本较高（11.1），最好采用10.2的CUDA版本 ，只需要在虚拟环境中安装10.2的cuda即可，不需要在系统中重新安装。

解决方法可以参考下述博客：

YOLOv5s GTX 1660 Ti训练时出现，box，obj，cla全是nan的问题P、R、mAP都是0，Pytorch和cuda、cudnn版本不对

GTX 16XX系显卡 yolov5训练结果出现NAN的问题

yolov5 训练自己的数据集后，检测不到目标的解决办法

此外，也可能是如下问题导致的：

服务器上训练好的yolov5数据集在自己电脑上什么都检测不出来（已解决）

6: 虚拟环境中的cuda和系统中cuda的区别：

虚拟环境中cuda版本与系统cuda版本不同有什么影响

7: 对于动漫角色，训练效果不是很好 :

原本想训练一个自动识别视频中动漫角色（九柱）的模型，但是拿 恋柱——甘露寺蜜璃和水柱——富冈义勇做了小实验（每个选取了各40张图片，其中3张作为验证集），在batch_size=8的情况下epoch=200，最后只能实现识别这两个人物不会出太大问题，但是你喂给它一张猫或狗或者其他柱可能会识别错误（可能是因为数据集太小的缘故，同时动漫人物本身识别也较为困难）

大家如果有开源的鬼灭之刃数据集，可以考虑分享给bz一下，嘿嘿；有问题欢迎在评论区留言！