零基础，如何搭建YOLOV5_python部署yolov5

目录

创建并激活一个YOLO环境

安装torch GPU 和 torchvision

文件下载

安装

检查

配置YOLOV5所需要的环境

yolov5下载

环境补齐

安装c++

安装python工具包

跑一下demo

预测demo

训练demo

资源

---

创建并激活一个YOLO环境

使用anaconda

conda create -n yolov5 python=3.9

activate yolov5

安装torch GPU 和 torchvision

首先，你得确保你的电脑有独立的显卡（不太建议用cpu跑YOLO）

文件下载

点开这个网页这里

前面有cpu的是CPU版本，不考虑 

按住ctrl + F 搜索框，输入你想选择的版本

这边我们选择python3.9，torch 1.11.0，cuda11.3，Windows版本的轮子文件

同时选择 python3.9，torchvirsion 0.12.0，cuda11.3，Windows版本文件

下载到指定目录，同时需要记住存储路径

安装

打开黑框，切换到保存的路径（我保存在E盘）

使用pip 指令安装（确保你激活了yolov5的虚拟环境）

pip install xxxxx

这边在输入torch后，可以按Tab键，会自动寻找并补全文件名为torchXXXX开头的文件

再次输入torchv，按下Tab键，就可以安装torchvision包了

检查

检查一下是否安装成功

conda list

出现这两个文件就表示你的torch GPU的环境已经创建成功

这边查看一下你的GPU是否可用

python 
 
import torch
 
print(torch.cuda.is_available())
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())
 
quit()

PS:为啥不直接装cuda？

这边考虑到环境的配置比较复杂，并且一旦需要更新cuda版本，或者有些你自己找的项目，会出现包冲突，环境不匹配的情况，并且再后续升级或者降级的情况下操作繁琐，一些配置文件删除不干净会影响使用，或者机器识别不出GPU，一直用cpu跑程序；亦或者是影响到你的显卡驱动，会影响你的游戏体验。

所以这边直接安装集成的cuda的pytorch包，便于使用，而且在你跑不同的项目需要不同的版本时，直接使用对应的环境即可，缺点就是，相对来说会占用一定的空间。

配置YOLOV5所需要的环境

yolov5下载

去GitHub上找到YOLOV5的项目，点击这里，忘了说，这边选择的是v6.1

环境补齐

安装c++

点击这里

安装python工具包

 打开项目，选择detect.py，选择之前创建的yolov5环境

 直接运行detect.py

可以看到这边缺少一些必要的python包，直接使用pip指令安装

pip install xxx

 安装完一个包就继续运行程序，缺啥补啥，直到能成功运行，这边已经列出来了

pip install opencv-python
pip install pandas
pip install pyyaml
pip install tqdm
pip install seaborn
pip install scipy
pip install tensorboard

至此，如果不出意外的话，会报错。

定位到出问题的代码，ctrl + 鼠标左键 ，直接删除掉这段代码

至此你的环境已经补齐

PS：为啥不定位到YOLO根目录，直接运行作者给的依赖配置？

pip install -r requirements.txt

你可以试试，不过由于我们前面装了torch的GPU版，记得注释掉这两行

不出意外的话，大概率会提醒你编码错误

怎么解决？

 个人不建议，因为在勾选这个后，一些上古版本的软件会出现编码错误。在你装了很多软件的情况下最好不要这样搞

当然直接安装作者提供的所需依赖，更加方便

跑一下demo

预测demo

继续运行detect.py

 如果还是不出意外的话，你的YOLOV5已经部署成功，此时你可以简单运行一个默认的检测demo

预测结果保存在run/exp 中

训练demo

打开train.py，这边强烈建议大家定位到460行代码，从这边开始，我们需要修改几个数值

分别是epochs，batch-size，workers 将他们的默认值分别改成 10 ，2，0

我们运行train.py

 这边可以看到在下载数据集以及权重文件，此时需要换源或者科学上网，文章末已经备好

已经成功启动训练demo

训练完成，结果保存地址 

至此，你的YOLOV5目标检测平台已经搭建好了，你可以去学一下他的基本原理了。

资源

本文章所包含所有的文件，点击这里​​​​​​​

新手第一次发文章，以上是我在学习过程中遇到的所有的问题，如有错误请指正，先给大家磕一个。