目标检测yolov5的安装

学更好的别人，

做更好的自己。

——《微卡智享》

本文长度为1108字，预计阅读4分钟

前言

目标检测yolov5用的还是比较多，这篇就是简单介绍下yolov5的安装。

安装环境

系统：Windows

环境：MiniConda

01

下载yolov5的源码

源码地址：https://github.com/ultralytics/yolov5

在本地建了个yolov5的文件夹，直接下载进来了。

02

创建和激活虚拟环境

打开Anaconda Powershell Prompt (miniconda3)

创建虚拟环境，这里我之前已经创建好了，所以只列出创建代码

conda create -n your_env_name python=x.x -y  
# 我的是
conda create -n yolov5 python=3.9 -y

激活当前虚拟环境

conda activate yolov5

上图可以看到，激活后前面变为yolov5了

03

安装所需的第三方库

首先进入我们下载yolov5的文件夹下

然后在命令行输入

pip install -r requirement.txt

也可以是下面镜像的安装，会更快，不过我的网速问题，安装了好多次，终于算是装完了

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

04

下载预训练模型文件

模型文件地址：

https://github.com/ultralytics/yolov5/releases/tag/v7.0

已更新至最新7.0版本了，还是回到网速的问题，在外面酒店的网络确实不行，下了好久都下不完整，最后找了个办法，推荐一个网站：

https://d.serctl.com/

在Github的文件可以直接在这个地方输入链接，再从这里下载即可。

将下载好的预训练模型文件都拷贝到yolov5的文件夹下。这样Yolov5的安装环境就全部完成了。

微卡智享

测试Yolov5

使用VS Code打开yolov5的文件夹

找到detect.py文件，上图中parse_opt是使用命令行操作可设置的默认参数。不过我还是喜欢用编译器运行。

运行的检测结果最后可以看到在runs\detect\exp31下是运行的结果，找到目录

上图中默认就两张图片，我自己拷进去了一些，看效果吧

检测完全没问题了，这样yolov5的环境就搭建完成了。

完

往期精彩回顾

 

pyTorch入门（六）——实战Android Minist OpenCV手写数字识别（附源码地址）

 

 

pyTorch入门（五）——训练自己的数据集

 

 

pyTorch入门（四）——导出Minist模型，C++ OpenCV DNN进行识别