网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
一般计算机上存在基础的运行环境base
,一般使用情境下可在此环境中下载许多常用的包,比如说numpy、pandas、sklearn等等。
但是如果在一些需要对项目、文件打包的时候,如果直接打包base环境,就会导致混入很多本身项目不需要的包,造成依赖包冗余的状态,而通过Anaconda则可以通过创造新的虚拟环境解决此问题。比如需要完成一个目标检测的任务,就需要导入一些包,比如说numpy、pytorch等等,那么只需要在Anaconda中创建一个虚拟环境,然后在此环境中安装相关包即可。
3.Anaconda安装
官网网址:https://www.anaconda.com/
选择Anaconda Distribution
选择Windows
选择64bit版本即可
下载完成之后只需要根据引导安装即可。
4.创建虚拟环境
打开Anaconda Prompt
命令如下所示:
conda create -n yolov5 python=3.8
激活环境:
conda activate yolov5
具体可见博主另一篇文章:Anaconda创建虚拟环境,并将其配置在pycharm中
5.安装pytorch
官网网站:https://pytorch.org/
选择Get Started
此处选择Windows版本,Conda安装方式,Cuda选择11.3(如果没有独立显卡,则选择CPU版本)
复制命令,进行安装(在相应虚拟环境的命令行中输入即可)
注: 需要在相应的虚拟环境下执行命令
安装完成后,可查看pytorch版本情况
import torch
torch.__version__
6.在Pycharm中配置项目
在Pycharm中打开yolov5的项目。
配置虚拟环境
找到Project,选择Project Interpreter
如下图所示,选择Add
选择Existing environment
再输入虚拟环境python.exe的路径即可
如果不清楚路径,可通过在命令行中输入如下语句查看:
where python
7.其他依赖包安装
在虚拟环境命令行下进入yolov5文件夹执行如下命令(或者把requirement.txt路径改为相应路径即可)
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
2.简单使用
用Pycharm打开下载的yolov5项目文件。
打开detect.py,即程序的主入口。
找到参数配置的位置,如下所示:
主要参数说明
--weights
:权重文件,default为yolov5s.pt
- yolov5s.pt 小型模型
- yolov5m.pt 中型模型
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
添加戳这里获取](https://bbs.csdn.net/topics/618658159)**
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!