- python环境搭建
我这里主要是叙述yolov5怎么搭建,所以python环境搭建我就不赘述了。我们需要的是下载安装好Anaconda以及pychram两个软件,anaconda主要用于搭建pytorch等东西,pycharm方便我们改代码,大家自己上网找教程下载好就行了。
yolov5环境配置:
![](https://img-blog.csdnimg.cn/img_convert/bf3ec602be84241ef2997eac2d9f662f.png)
2.CUDA和CUDNN
CUDA和CUDNN的安装
安装的目的主要是让后续程序能够正常地调用我的显卡进行模型的训练和检测。
安装只需要登陆到英伟达地官网进行即可。
3.PyTorch的安装
因为我安装的CUDA版本为11.6,因此我们需要找到PyTorch官网下载相对应的版本。
pytorch的官网为PyTorch,打开官网内的安装页面:
![](https://img-blog.csdnimg.cn/img_convert/b49fc1110fc71a816cdf25ac15e80afa.png)
裁剪于PyTorch的官网
我看到网上很多人教把这个PyTorch安装到anaconda内激活的一个空间里面,但其实,说实话,不想搞得那么复杂直接扔到base里面也没问题。然后还有需要注意的是,一定要安装这个CUDA版本的pytorch不然你是搞不了这个yolov5的,要是你的电脑是没有显卡的,那就没必要了,你可以去看其他博主在google或者其他一些服务器调用算力来做目标识别的教程。
复制
conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia
粘贴到anaconda prompt里面回车就可以了。
![](https://img-blog.csdnimg.cn/img_convert/a167c5691977ec48555212c7e8d9fbdd.png)
等他安装完后,检验是否正确安装pytorch
在anaconda Prompt中分别输入:
python
import torch
print(torch.cuda.is_available())
![](https://img-blog.csdnimg.cn/img_convert/54d440801c61a6aacfa7c3d91ae259ec.png)
像我这里显示yes就是说明已经成功安装好了。
4.yolov5环境搭建
安装yolov5源码(网址:https://github.com/ultralytics/yolov5)
安装到电脑的一个相应的地址,像我是放在路径是E:\yolov5-master,以后我们会经常在anaconda prompt里面对于yolov5里面的东西进行操作,而我们都需要换到相对应的路径才能开始操作:
![](https://img-blog.csdnimg.cn/img_convert/35562e583ce31d38cb07eb35f1b46e6f.png)
上面这个图就是切换路径的方法。
4.1requirement
pip install -r requirements.txt
把上面这行输入的anaconda prompt里面,进行的是anaconda模块的版本更新。
另外,在官网记得要下载yolov5s.pt,yolov5m.pt,yolov5l.pt,yolov5x.pt权重文件,并放置在yolov5-master相对应的weights文件夹下(官网上都有)。
4.2用detect.py程序测试
在yolov5路径下执行
python detect.py --source ./data/images/ --weights weights/yolov5s.pt
![](https://img-blog.csdnimg.cn/img_convert/45223e7c9d55126aaf7210f10a516baf.png)
输出图片:
![](https://img-blog.csdnimg.cn/img_convert/3a2f1714da63a92db57fe6c92ac574d4.png)
要是能成功输出就说明yolov5环境已经配置好了。
我们看到使用官方的权重可以正确地检测出人像、公交车、领带等物体,据说官方的权重能检测出的物体能超过80种。
然后我们可以改变喂给电脑的数据集,也就是刚刚上面这行命令的sorce里面的内容,可以传进去其他图片或者视频然后就可以进行相应的识别。然后后面的weights就是权重,我们现在用的就只是官方的权重,后续我们可以训练我们自己的训练集,做出来相对应的权重,达到我们的目的。
这就搭建yolov5环境的全部内容了,这个专栏随缘更新,有缘再见!