MX_yolov3部署在k210的环境搭建

MX_yolov3部署在k210的环境搭建

由于yolov3在2020年年底已经全面部署在K210上，但是需要一定的环境才可以完美的发挥作用，由于环境过于复杂，所以考虑到了Anaconda创建虚拟
环境并且在虚拟环境下运行，下面提供一种方法，基于Anaconda的虚拟环境搭建Mx_yolov3训练环境的过程。

该方法由小佬鼠大哥一手提供，非常实用

目录

一、Anaconda社区版的下载和安装

二、GitHub官网下载aXeleRate项目包

三、pycharm社区版的下载和安装

四、微信公众号 import创客 获取Mx-yolov3项目包

五、配置环境变量

六、尾声

关于MX_yolov3的部署在k210的环境搭建

基于Anaconda的虚拟环境搭建

一、Anaconda社区版的下载和安装

1、 https://www.anaconda.com/products/individual建议使用此官网下载

2、 关于安装Anaconda的注意事项可以参考

https://blog.csdn.net/ITLearnHall/article/details/81708148
里面也详细说明了关于Anaconda的虚拟环境创建方法以及基本命令

3、下载完成后我们使用cmd输入以下指令搭建虚拟环境
conda create -n 环境名字（可以是Mx_yolov3） python=3.7

二、GitHub官网下载aXeleRate项目包
1、https://github.com/AIWintermuteAI/aXeleRate

三、pycharm社区版的下载和安装

1、 https://www.jetbrains.com/pycharm/download/#section=windows

2、 关于安装pycharm的注意事项可以参考
http://c.biancheng.net/view/5804.html

3、我们需要使用pycharm打开aXeleRate 项目包加载Anaconda环境
下载补充包TensorFlow-gpu 1.15.0

3.1  Pycharm -> open -> aXeleRate-master -> File -> setting

3.2  找到project:aXeleRate-master打开里面的 python Interpreter

3.3  找到右侧设置符号点开选择 Add后如下选择

3.4  返回setting界面，点击左下角的+号，搜索TensorFlow-gpu，右边改版本点击install，安装TensorFlow-gpu 1.15.0

四、微信公众号 import创客 获取Mx-yolov3项目包
1、获取压缩包一枚，解压后获得整个项目包

2、打开Mx-yolov3项目包 环境配置 -> date找到pip文本文件，打开cmd，把pip文件复制到cmd显示的路径下并删除：
Tensorflow==1.15.0
TensorFlow-gpu==1.15.0
修改后保存

3、打开cmd输入pip install -r pip.txt -i https://pypi.douban.com/simple

如果出现此error可以不给予理会

五、配置环境变量

1、打开Mx-yolov3项目包，打开环境配置，将python-3.7.4安装至电脑，这里需要使用默认路径，不可更改。

2、打开Anaconda安装位置，打开Anaconda找到envs，可以找到建立的环境的位置在这里
…...\环境名字（可以是Mx_yolov3）
…...\环境名字（可以是Mx_yolov3）\Scripts
将此两条路径加入环境变量中的用户变量

最后会获得这样四条路径添加在环境变量中的用户变量
（Python37是自动添加的）

3、打开cmd输入python 查看是否是3.7.9的版本且为虚拟环境下的python
再次打开cmd输入pip list 查看当前环境的包，是否有TensorFlow-gpu 1.15.0

六、尾声

六、尾声到此处虚拟环境配置完成，关于Mx-yolov3使用方法，可使用微信公众号import创客里的教学学习。

如果运行Mx-yolov3发现关于Tensorflow的warning时不用在意，仅仅是tf函数弃用警告。
本文出自Sipeed论坛 用户：xiaocaishu 原创文章，原文地址https://cn.bbs.sipeed.com/d/516-mx-yolov3k210