Yolov5（最新版）环境配置及部署之环境配置（一) （详细教程）

最新推荐文章于 2024-06-15 11:19:06 发布

excelNo1

最新推荐文章于 2024-06-15 11:19:06 发布

阅读量1.7w

点赞数 19

分类专栏：目标检测文章标签： python pytorch 深度学习神经网络机器学习

本文链接：https://blog.csdn.net/excelNo1/article/details/118570274

版权

目标检测专栏收录该内容

10 篇文章 3 订阅

订阅专栏

Yolov5 环境配置及部署之环境配置（一) （详细教程）

最近在学习yolov5，记录下过程。

一、环境配置

进入Github官网https://github.com/ultralytics/yolov5/releases，选择版本为v5.0

2.下拉滚动条，找到Source code(zip)。点击下载到本地。

3.解压Yolov5-5.0文件到指定目录，解压后文件如图所示

4.打开Anaconda Prompt，创建名为Yolov550的环境。在官网上要求Python 版本大于等于3.6.0

(base) C:\Users\Administrator>conda create -n Yolov550

5.输入 y，回车。

Proceed ([y]/n)? y

Preparing transaction: done
Verifying transaction: done
Executing transaction: done
#
# To activate this environment, use
#
#     $ conda activate Yolov550
#
# To deactivate an active environment, use
#
#     $ conda deactivate

6.激活Yolov550环境，输入conda activate Yolov550。

(base) C:\Users\Administrator>conda activate Yolov5
(Yolov5) C:\Users\Administrator>

7.进入解压的Yolov5-5.0目录

(Yolov5) C:\Users\Administrator>M:
(Yolov5) M:\Yolov5\yolov5\Version5\yolov5-5.0>

8.通过requirements.txt来安装环境

pip install -r requirements.txt

9.成功安装以下包

Successfully installed cachetools-4.2.2 chardet-4.0.0 google-auth-1.32.1 google-auth-oauthlib-0.4.4 idna-2.10 oauthlib-3.1.1 opencv-python-4.5.2.54 pyasn1-0.4.8 pyasn1-modules-0.2.8 pycocotools-2.0.2 requests-2.25.1 requests-oauthlib-1.3.0 rsa-4.7.2 tensorboard-2.5.0 tensorboard-data-server-0.6.1 tensorboard-plugin-wit-1.8.0 thop-0.0.31.post2005241907 torch-1.9.0 torchvision-0.10.0 urllib3-1.26.6

10.测试torch 、CUDA 是否正确安装。发现CUDA 没有安装

import torch

>>> flag = torch.cuda.is_available()
>>> print(flag)
False
>>>

11.删除环境，重新安装cuda。

deactivate Yolov550  
conda remove -n Yolov550  --all

12.重新创建环境并且指定python版本为3.7

conda create -n Yolov550 python=3.7
conda activate Yolov550

13.安装CUDA和CUDNN

conda install cudatoolkit==10.2.89
conda install cudnn==7.6.5

14.安装剩下的依赖包

matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.2
Pillow
PyYAML>=5.3.1
scipy>=1.4.1
tqdm>=4.41.0
tensorboard>=2.4.1
seaborn>=0.11.0
pandas coremltools>=4.1
onnx>=1.8.1
scikit-learn==0.19.2 # for coreml quantization
thop # FLOPS computation
pycocotools>=2.0 # COCO mAP

PS:遇到安装pycocotools 一直报错，请使用命令：

pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

15.安装torch 和 torchvision。进入官网找到和cuda对应的版本，获得安装命令。

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

在这里插入图片描述
16.最后安装完毕所有包的版本信息如下：

absl-py                   0.13.0                   pypi_0    pypi
blas                      1.0                         mkl    defaults
ca-certificates           2021.7.5             haa95532_1    defaults
cachetools                4.2.2                    pypi_0    pypi
certifi                   2021.5.30        py37haa95532_0    defaults
chardet                   4.0.0                    pypi_0    pypi
cudatoolkit               10.2.89              h74a9793_1    defaults
cudnn                     7.6.5                cuda10.2_0    defaults
cycler                    0.10.0                   py37_0    defaults
cython                    0.29.21          py37hd77b12b_0    defaults
freetype                  2.10.4               hd328e21_0    defaults
google-auth               1.32.1                   pypi_0    pypi
google-auth-oauthlib      0.4.4                    pypi_0    pypi
grpcio                    1.38.1                   pypi_0    pypi
icc_rt                    2019.0.0             h0cc432a_1    defaults
icu                       58.2                 ha925a31_3    defaults
idna                      2.10                     pypi_0    pypi
importlib-metadata        4.6.1                    pypi_0    pypi
intel-openmp              2021.2.0           haa95532_616    defaults
jpeg                      9b                   hb83a4c4_2    defaults
kiwisolver                1.3.1            py37hd77b12b_0    defaults
libpng                    1.6.37               h2a8f88b_0    defaults
libtiff                   4.2.0                hd0e1b90_0    defaults
libuv                     1.40.0               he774522_0    defaults
lz4-c                     1.9.3                h2bbff1b_0    defaults
markdown                  3.3.4                    pypi_0    pypi
matplotlib                3.3.2                haa95532_0    defaults
matplotlib-base           3.3.2            py37hba9282a_0    defaults
mkl                       2020.2                      256    defaults
mkl-service               2.3.0            py37h196d8e1_0    defaults
mkl_fft                   1.3.0            py37h46781fe_0    defaults
mkl_random                1.1.1            py37h47e9c7a_0    defaults
ninja                     1.10.2               h6d14046_1    defaults
numpy                     1.21.0                   pypi_0    pypi
numpy-base                1.19.2           py37ha3acd2a_0    defaults
oauthlib                  3.1.1                    pypi_0    pypi
olefile                   0.46                     py37_0    defaults
opencv-python             4.5.2.54                 pypi_0    pypi
openssl                   1.1.1k               h2bbff1b_0    defaults
pandas                    1.1.3            py37ha925a31_0    defaults
pillow                    8.0.1            py37h4fa10fc_0    defaults
pip                       21.1.3           py37haa95532_0    defaults
protobuf                  3.17.3                   pypi_0    pypi
pyasn1                    0.4.8                    pypi_0    pypi
pyasn1-modules            0.2.8                    pypi_0    pypi
pyparsing                 2.4.7              pyhd3eb1b0_0    defaults
pyqt                      5.9.2            py37h6538335_2    defaults
python                    3.7.10               h6244533_0    defaults
python-dateutil           2.8.1              pyhd3eb1b0_0    defaults
pytorch                   1.9.0           py3.7_cuda10.2_cudnn7_0    pytorch
pytz                      2021.1             pyhd3eb1b0_0    defaults
pyyaml                    5.3.1            py37he774522_1    defaults
qt                        5.9.7            vc14h73c81de_0    defaults
requests                  2.25.1                   pypi_0    pypi
requests-oauthlib         1.3.0                    pypi_0    pypi
rsa                       4.7.2                    pypi_0    pypi
scipy                     1.5.2            py37h9439919_0    defaults
seaborn                   0.11.0                     py_0    defaults
setuptools                52.0.0           py37haa95532_0    defaults
sip                       4.19.8           py37h6538335_0    defaults
six                       1.16.0             pyhd3eb1b0_0    defaults
sqlite                    3.36.0               h2bbff1b_0    defaults
tensorboard               2.4.1                    pypi_0    pypi
tensorboard-plugin-wit    1.8.0                    pypi_0    pypi
tk                        8.6.10               he774522_0    defaults
torchaudio                0.9.0                      py37    pytorch
torchvision               0.10.0               py37_cu102    pytorch
tornado                   6.1              py37h2bbff1b_0    defaults
tqdm                      4.54.0             pyhd3eb1b0_0    defaults
typing_extensions         3.10.0.0           pyh06a4308_0    defaults
urllib3                   1.26.6                   pypi_0    pypi
vc                        14.2                 h21ff451_1    defaults
vs2015_runtime            14.27.29016          h5e58377_2    defaults
werkzeug                  2.0.1                    pypi_0    pypi
wheel                     0.36.2             pyhd3eb1b0_0    defaults
wincertstore              0.2                      py37_0    defaults
xz                        5.2.5                h62dcd97_0    defaults
yaml                      0.2.5                he774522_0    defaults
zipp                      3.5.0                    pypi_0    pypi
zlib                      1.2.11               h62dcd97_4    defaults
zstd                      1.4.9                h19a0ad4_0    defaults

17.测试CUDA 是否可用：输入python，进入python环境。print(torch.cuda.is_available())为True表示正确安装CUDA。

(Yolov550) C:\Users\Administrator>python
Python 3.7.10 (default, Feb 26 2021, 13:06:18) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> print(torch.cuda.is_available())
True
>>>

18.根据图像的尺寸及速度，选择合适的模型。yolov5各个模型参数如下图所示：
在这里插入图片描述
19.代码测试

///从图片检测
python detect.py --source ./data/images/ --weights ./weights/yolov5s.pt --conf 0.4

///从摄像头检测
python detect.py --source 0 --weights ./weights/yolov5s.pt --conf 0.4

///加载自己训练模型检测
python detect.py --source 0 --weights ./模型地址 --conf 阈值

///yolov5s.pt可以在Github官网上下载放到weights文件夹内，如果没有代码会自动下载

20.程序运行结果,正常运行。

(Yolov550) M:\Yolov5\yolov5\Version5\yolov5-5.0>python detect.py --source ./data/images/ --weights ./weights/yolov5s.pt --conf 0.4
Namespace(agnostic_nms=False, augment=False, classes=None, conf_thres=0.4, device='', exist_ok=False, img_size=640, iou_thres=0.45, name='exp', nosave=False, project='runs/detect', save_conf=False, save_txt=False, source='./data/images/', update=False, view_img=False, weights=['./weights/yolov5s.pt'])
YOLOv5  2021-4-12 torch 1.9.0 CUDA:0 (GeForce GTX 1660, 6144.0MB)

Fusing layers...
Model Summary: 224 layers, 7266973 parameters, 0 gradients
J:\WorkSoft\envs\Yolov550\lib\site-packages\torch\nn\functional.py:718: UserWarning: Named tensors and all their associated APIs are an experimental feature and subject to change. Please do not use them for anything important until they are released as stable. (Triggered internally at  ..\c10/core/TensorImpl.h:1156.)
  return torch.max_pool2d(input, kernel_size, stride, padding, dilation, ceil_mode)
image 1/2 M:\Yolov5\yolov5\Version5\yolov5-5.0\data\images\bus.jpg: 640x480 4 persons, 1 bus, Done. (0.276s)
image 2/2 M:\Yolov5\yolov5\Version5\yolov5-5.0\data\images\zidane.jpg: 384x640 2 persons, 1 tie, Done. (0.044s)
Results saved to runs\detect\exp2
Done. (0.962s)

在这里插入图片描述
参考https://blog.csdn.net/qq_45389690/article/details/111306902

excelNo1

关注

19
点赞
踩
199

收藏

觉得还不错? 一键收藏
1
评论
Yolov5（最新版）环境配置及部署之环境配置（一) （详细教程）

Yolov5 环境配置及部署之环境配置（一) （详细教程）最近在学习yolov5，记录下过程。一、环境配置进入Github官网https://github.com/ultralytics/yolov5/releases，选择版本为v5.02.下拉滚动条，找到Source code(zip)。点击下载到本地。3.解压Yolov5-5.0文件到指定目录，解压后文件如图所示4.打开Anaconda Prompt，创建名为Yolov550的环境。在官网上要求Python 版本大于等于3.6.0
复制链接

扫一扫