深度学习从零开始：用yolov5训练出自己的模型进行目标检测

一、前言

        在深度学习目标检测方向，应用的方向很多，尤其在当下的自动驾驶、安全监控、人脸识别等等，这篇博客是为了帮助没有基础的同学，真正从零开始，建立自己的模型，实现目标检测快速入门，希望能帮助大家。本文如有不妥之处，恳请大佬斧正。

        本文适用显卡类型：NVIDIA显卡系列（支持CUDA）

        本文适用操作系统类型：Windows

二、总体思路

 三、配置深度学习环境

①安装anaconda🎉

1.安装网址：Free Download | Anaconda

                

 2.安装流程：

一路默认即可，C盘空间不足的建议安装在其他盘，且该盘至少有50G的空间（否则在后期的训练过程中，可能出现页面文件太小的问题）

  

②配置Conda的虚拟环境🎉

 1.打开Anaconda Prompt

                                     

2.创建Conda环境

（1） 在D盘（空间多）下(指定路径）创建虚拟环境yolov5 ：

             

   代码命令：conda create --prefix=D:/Anaconda3/envs/yolov5 python=3.8               

（2）激活Conda环境：

代码命令：conda activate yolov5

  (3）设置虚拟环境的默认镜像源：

  代码命令：pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

★补充知识： conda的相关命令
#创建环境

conda create -name  《环境名》 python=《版本号》
#激活环境

conda activate 《环境名》
#退出环境
conda deactivate

# 查看虚拟环境列表
conda env list
# 删除环境
conda remove -n  需要删除的环境名 --all

（4）安装适应版本（建议安装10.2  具体看显卡驱动程序版本）的CUDA（用于GPU加速）

 代码命令：pip install torch==1.8.2 torchvision==0.9.2 torchaudio==0.8.2 --extra-index-url https://download.pytorch.org/whl/lts/1.8/cu102

（5）测试是否安装好了CUDA

依次输入下列命令：

python 

 import torch

torch.cuda.is_available()

如果出现 True   那么恭喜你的深度学习环境已经配置好了✔️

四、下载yolov5框架🎉

1.文件下载链接：GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

2.如何在搭建好深度学习框架(conda的虚拟环境)后在Pycharm中可视化运行项目？ 🤔

如何在搭建好深度学习框架后在Pycharm中可视化运行

五、利用labelimg打标签🎉

待续··················