配置YOLOv9环境安装方法及中间踩坑过程

1. 前言

前期做过YOLOv5的目标检测的相关课题，对YOLO系列检测算法有了一定了解，最新YOLOv9也不能错过，顺便记录一下自己踩坑过程。

2.准备工作

前期准备工作：Anaconda3+pycharm2023.2.5+Git工具。Anaconda3是用于管理各python环境版本的一个工具，对于多种开发环境是非常有用的，pycharm则是一个python的IDE软件，个人比较常用，此外还有很多其他的IDE环境，个人比较推荐使用pycharm，官网提供了education版本（教育版），支持学生教育邮箱激活免费使用。

3.正式开始部署

Yolov9的项目GitHub地址：https://github.com/WongKinYiu/yolov9?tab=readme-ov-file
Yolov9的arxiv的CV论文：https://arxiv.org/abs/2402.13616
YOLOv9的主体框架图，其团队还未给出，但应该会后续补充和完善，其arix预览版论文已经更新到v2版本了。
1.创建conda虚拟环境
**注：需要注意的是这里python版本要选择大于3.6版本以上，如果python版本低于3.6，则会出现安装yolov9的依赖包部分安装包如opencv出现安装不上的情况

conda create -n yolov9 python=3.11

2.通过Git命令对官方的项目仓库进行克隆到本地,具体如下：

git clone https://github.com/WongKinYiu/yolov9.git

3.切换到对应conda虚拟环境（这里可以采用git直接切换到conda的虚拟环境，具体教程，有兴趣的可以折腾一下

conda activate yolov9

4.进入克隆的本地Yolov9仓库地址
示例：以实际路径为主

cd F:\Chaowenyujing\YOLOv9detect\yolov9

5.安装对应环境的依赖项
这里选择国内的python清华源，相对较为稳定

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

6.安装完成