[深度学习 - 目标检测] yolov5 环境配置_yolov5 github

---

1. 准备

1.1. 仓库地址

https://github.com/ultralytics/yolov5

---

1.2. 依赖环境

1.2.1. 安装 Anaconda

1. 资源路径

https://docs.conda.io/en/latest/miniconda.html

2. 添加 Anaconda 环境变量

D:\DevlopmentSoftwares\Anaconda3\Scripts
D:\DevlopmentSoftwares\Anaconda3
D:\DevlopmentSoftwares\Anaconda3\Library\bin

3. Conda入门

https://blog.csdn.net/chenfeidi1/article/details/80873993?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522164620346016780265470389%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=164620346016780265470389&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_alltop_positive~default-1-80873993.first_rank_v2_pc_rank_v29&utm_term=Conda&spm=1018.2226.3001.4187

4. 使用国内 conda 软件源加速：

https://mirrors.ustc.edu.cn/help/anaconda.html

1.2.2. 安装 CUDA

https://www.cnblogs.com/liuyihai/p/9310909.html

1.2.3. 安装Opencv

https://opencv.org/opencv-4-5-2/

---

2. 操作

2.1. 源码及模型准备:

1. 使用Git下载源码：

git clone https://github.com/ultralytics/yolov5.git

2. 下载预训练权重文件：yolov5m6.pt 。在源码yolov5文件路径下内新建文件夹weights，将下载好的yolov5m6.pt文件拷贝进去；

2.2. 打开Anaconda Prompt，创建一个虚拟环境：

conda create -n yolov5 python=3.7  //环境名为yolov5 ,python版本选择3.7
conda activate yolov5 //激活yolov5 环境
1
2

2.3. 安装所需要的依赖:

2.3.1. 安装pytorch与torchvision：

安装pytorch时需要先去查看自己的cuda版本:

nvcc --version
1

然后选择适配 的pytorch版本,pytorch官网:https://pytorch.org/;

# ROCM 4.0.1 (Linux only)
pip install torch==1.8.1+rocm4.0.1 torchvision==0.9.1+rocm4.0.1 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

# ROCM 3.10 (Linux only)
pip install torch==1.8.1+rocm3.10 torchvision==0.9.1+rocm3.10 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

# CUDA 11.1
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

# CUDA 10.2 
pip install torch==1.8.1+cu102 torchvision==0.9.1+cu102 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

# CUDA 10.1
pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

# CPU only
pip install torch==1.8.1+cpu torchvision==0.9.1+cpu torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

举例：我的CUDA版本是11.1，选择：

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
1

检测pytorch安装结果，显示如下结果则成功：

python
>>> import torch
>>> print(torch.cuda.is_available())
True
>>> print(torch.version.cuda)
11.1
1
2
3
4
5
6

2.3.2. 安装其他依赖

1. 打开下载好的yolov5代码库中的 requirements.txt文件，将torch和tourchvision的信息注释掉;

• 因为PyTorch版本是要根据cuda版本来确定的，txt文件是根据cuda10.0编写的，所以要注释掉，单独安装PyTorch。

scipy>=1.4.1
# torch>=1.7.0
# torchvision>=0.8.1
tqdm>=4.41.0

1
2
3
4
5

2. torch和torchversion单独安装好之后，使用清华镜像源，在yolov5路径下执行：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
1

2.6. 测试

1. 打开Anaconda Prompt；
2. 激活yolov5环境；

conda activate yolov5
1

3. 进入到yolov5路径下：

cd E:\Dev\yolov5
1

4. 运行如下代码即可：

python detect.py --source ./data/images/ --weights weights/yolov5m6.pt --conf 0.4
1

5. 以下信息代表成功:
   
6. 查看结果，在yolov5\runs\detect\exp3路径下：