Yolov5目标检测教程——环境配置、模型训练、C#部署

Realkite

已于 2025-05-03 00:56:03 修改

阅读量793

点赞数 18

文章标签： YOLO 目标检测 c#

于 2025-05-02 19:07:48 首次发布

本文链接：https://blog.csdn.net/Realkite/article/details/147669677

版权

1、环境配置

1.1、Yolov5源码下载

1.2、Yolov5源码所需的环境和依赖包安装

1.3、安装cuda和pytorch（后续只用CPU进行训练的话可以跳过）

2.3、验证训练好的模型（这步一般是写论文出数据用的，没需求可以不用验证）

2.4、使用训练好的模型

3、C#部署

3.1、将.pt文件导出为.onnx文件

3.2、下载Yolov5部署于C#中的源码

3.3、生成C#使用.onnx文件需要的配置文件

3.4、用C#从零编写Yolov5目标检测的窗体demo程序

3.4.1、用.NET6.0框架编写窗体程序的步骤

3.4.2、C#部署Yolov5进行自己所需的目标识别的配置以及demo程序

教程开始之前，请确保安装好Anacaonda和Pycharm。直接在官网下载安装就好，由于下载安装的过程比较简单，本教程不详细阐述。

1、环境配置

1.1、Yolov5源码下载

Yolov5源码官网下载地址：GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

点击链接后，进入以下界面，可点击“Code”→“ Download ZIP”下载Yolov5源码。

解压后进入解压后的文件路径，如下图所示，即Yolov5的工程文件中。输入“cmd”，进入下图所示的命令行界面。

1.2、Yolov5源码所需的环境和依赖包安装

（在此之前，确保电脑下载安装好Anaconda）

下载Python解释器，创建Python的虚拟环境：在命令行界面中输入“conda create -n py385_yolov5 python==3.8.5”并按ENTER键执行，如下图所示。

如下图所示，创建虚拟环境的过程中卡在“Proceed ([y]/n)?”，直接按下ENTER键就行。

安装完成后，激活安装好的虚拟环境：如下图所示，输入“conda activate py385_yolov5”并按ENTER键执行，出现“（py385_yolov5）”表示激活成功，当前正处于py385_yolov5的虚拟环境下。

下一步是在这个Python的虚拟环境中安装Yolov5需要的各种依赖包，在下载各种包之前，为了防止下载速度慢甚至直接卡住，可以先切换一下中科大提供的国内镜像源：直接复制以下内容粘贴到命令行，则会自动执行切换源的指令。

conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

切换了镜像源之后就可以在这个Python的虚拟环境中安装Yolov5需要的各种依赖包，Yolov5需要的所有包的名字及版本都在解压后Yolov5工程文件中的“requirements.txt”文件里，所以可以直接在命令行输入“pip install -r requirements.txt”并按ENTER键进行安装，如下图所示。

1.3、安装cuda和pytorch（后续只用CPU进行训练的话可以跳过）

如果要用GPU进行训练的话，还需要正确安装cuda和pytorch。

在安装之前，先查看是不是已经安装好了torch，因为“requirements.txt”文件中包含了torch，上一步安装依赖包的时候已经装了一个版本。具体操作为在命令行中输入“pip show torch”，如果有torch的版本等相关信息输出，说明已经装了一个版本，我们可以用“pip uninstall torch”命令把它卸载了（因为这个torch大概率不是我们需要的GPU版本的torch，需要自己重装过），卸载完成后再用“pip show torch”命令就可以查看有没有卸载成功，没有torch的信息输出就说明卸载成功了。

在安装cuda和pytorch之前，一定要先全部确认完要安装的版本。

先确定要安装的cuda的版本：用“nvidia-smi”命令查看电脑的GPU支持的cuda的版本，如下图所示，这里是“12.3”，意思是支持版本等于或低于12.3版本的cuda，建议安装的时候选择小于12.3版本的cuda，例如“12.1”。

确定了cuda版本后先不要安装，要先确认要安装的pytorch版本，因为pytorch不一定支持所有版本的cuda。

确定要安装的pytorch版本，可进入官网Previous PyTorch Versions | PyTorch，选择一个版本的torch版本，如下图所示，这里选择2.2.0版本的torch，注意一定要选择有“# CUDA xx.x”（根据电脑GPU支持的cuda版本选择）的命令安装torch，例如这里的“conda install pytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 pytorch-cuda=12.1 -c pytorch -c nvidia”或“pip install torch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 --index-url https://download.pytorch.org/whl/cu121”，这两个命令选一个粘贴在命令行中运行就可以下载torch了，这样就会安装支持cuda12.1的torch了。下载安装torch的时候可能会因为国外源的原因下载很慢或者下载失败，亲测用“conda install pytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 pytorch-cuda=12.1 -c pytorch -c nvidia”命令下载安装torch会好一点。下载好之后也可以用“pip show torch”检查是否安装成功。