更新日志

2024-05-11 -写UI中途发现版本兼容问题，现修正前期安装流程，更新了打包流程
2024-04-07 -新增遇到的问题分栏
2024-04-05 -简单记录了 Anaconda 的基本指令
2024-03-28 -完成了基础的环境搭建记录

前言

2024-03-28：时间过得很快，大学四年就这么匆匆溜走，最近也是进入了毕设阶段，目前已有一些进展，正好有时间，那就大致记录一下目前的情况吧。
2024-05-11：这可能是博主第一次接触深度学习领域，也可能是最后一次，希望这博客能对有需要的人有所帮助。
2024-07-16：项目已打包，点击此处跳转

一、环境搭建

下载并安装 Acnconda3

在官网下载Acnconda3，点击此处跳转

查看系统版本支持

系统版本支持

选择 Tensorflow 版本

Tensorflow版本

下载 cuda11.0 及 cuDNN8.0，安装 cuda11.0，并将 cuDNN 解压放入 cuda 安装文件夹

检查是否配置成功

1
####　nvcc -V ##查看安装状态

用 Anaconda 配置虚拟环境 Tensorflow24

1
2
3
4
5
6
conda create -n Tensorflow24 python=3.8 ##创建一个虚拟环境
conda activate Tensorflow24  ##进入环境
##安装Tensorflow2.4
pip install tensorflow==2.4.0 -i https://pypi.mirrors.ustc.edu.cn/simple
##安装相同版本的keras
pip install keras==2.4.0 -i https://pypi.mirrors.ustc.edu.cn/simple

检查是否安装成功

1
2
3
4
python                 #进入python环境
import tensorflow as tf    #导入Tensorflow
tf.test.is_gpu_available()   #查看GPU版本信息并返回gpu是否可用
exit()    #退出python环境

安装必要的包文件

这些包都需要安装在Tensorflow24环境下。

1
2
3
4
5
6
7
pip install opencv-python==4.9.0.80 #安装不上可以下载到本地安装
conda install numpy==1.19.5
conda install Pillow=8.4.0
conda install tensorboard=2.7.0
conda install tqdm
Pip install pycocotools
pip install matplotlib=3.2.2

从 github 将 Tensorflow-yoloV6 项目克隆到本地

该项目是基于 bubbliiiing大佬的项目编写的，大部分保留了源代码。 点击此处跳转
github相关仓库

数据准备和处理

自己做数据集，准备足够的带有交通标识的图片，然后在 Anaconda 里下载输入 pip install labelimg 命令下载安装 Labelimg。
重要：使用该软件进行数据集的标注，在使用时会有闪退报错的情况，提示传输的数据类型不正确，根据报错提示到指定文件的指定代码处进行修改，对预传输的数据进行强制转换成需要的数据类型即可。

使用公开的数据集，公开的数据集可能需要转换格式，需要自行编写代码转化成 VOC 格式，并放到指定目录，公开数据集的标注不一定适配想要的效果，建议还是自行准备数据集。

初步训练

打开 VScode，用搭建的 Anaconda 环境运行 train.py。

训练时长跟gpu核心数、数据集的大小、训练的世代次数有关，数据集的大小决定每个训练世代的时长，模型参数则可以设置训练的世代次数，训练的世代次数越多，训练时长也就越长，我的数据集花了 8 个小时去训练。

二、PyQt5

常见 GUI 框架

PyQt5：Qt 是一个跨平台的 C++图形用于界面库。QT 一度被诺基亚使用，后出售芬兰的软件公司 Digia Oyj。PyQt5 是基于 Digia 公司 Qt5 的 Python 接口，由一组 Python 模块构成。PyQt5 本身拥有超过 620 个类和 6000 函数及方法。在可以运行于多个平台，包括：Unix，Windows，Mac OS。

Pyside6：Pyside 是 QT 公司官方提供 Python 包，上一版本为 Pyside2，对应的是 QT5，最新版命名规则进行了调整，更改为 Pyside6，对应的是 QT6 版本。由于官方出品的比较看好，缺点是发布比较晚，资料没有 PyQt5 多。

Tkinter：Python 内置的 GUI 框架，使用 TCL 实现，Python 中内嵌了 TCL 解释器，使用它的时候不用安装额外的扩展包，直接 import，跨平台。不足之处在于 UI 布局全靠代码实现，只有 15 种常用部件，显示效果简陋。

编写UI界面需要一定的面向对象编程基础，理解程序设计模式。

在 Anaconda 下安装 pyqt5

1
2
pip3 install pyqt5
pip3 install pyqt5-tools

安装 Qt Designer 并打开

方法一：安装 Anaconda3 时会自动安装，在Anaconda3输入命令就能打开
注意：需要在添加环境变量，否则无法在 conda 环境下调用，只能手动打开。

方法二：去 GitHub 开源项目地址下载。

项目地址

Qt Designer 的简单使用

CSDN 上有许多博主写有相关教程，B 站上有许多 up 主出过很多相关视频

Qt Designer 里面的控件界面编写需要前端基础，有 CSS 基础的可以很快上手，没有基础的也可以通过查看官方文档去查看控件属性，然后在编写样式。

QT官方文档

实现UI界面的功能

在Qt Designer将界面设计完成后，在vscode中输入指令将.ui文件转化成.py文件，转换完成后就会生成一个窗口类，然后新建一个python文件作为程序的入口，并继承这个窗口类，代码请参考项目具体内容

1
pyuic5 -x fileName.ui -o fileName.py ##将.ui文件转化成.py文件

python 程序打包

安装 pyinstaller

在Tensorflow24环境中安装pyinstaller

1
pip pyinstaller

打包项目

在vscode中执行以下命令

1
2
3
pyinstaller -D -c flieName.py ##生成带命令行窗口的文件夹包
pyinstaller -D -w flieName.py ##生成不带命令行窗口的文件夹包
pyinstaller --help ##查看pyinstaller的帮助文档

Anaconda 常用指令

1
2
3
4
5
6
7
8
9
10
11
12
conda info -e    ##查看所有环境
conda create --name myenv  ##创建一个新环境
conda activate myenv   ##激活一个环境
conda install package_name=version ##安装包到环境中
conda update conda   ##更新 Conda
conda update --all   ##已安装的包
conda list    ##查看当前环境下已安装的包
conda search package_name  ##查找可用包的信息
conda remove package_name  ##删除一个包
conda env remove --name myenv  ##删除一个环境
conda --help ##查看anaconda的帮助文档
pip install /path/to/package.whl  ##安装本地包