yolov5环境配置过程、问题及解决办法

前言

大家好，由此开始我的第一篇博客，也是我机器语言学习的第一篇博客。我于2023年6月底进行了yolov5的环境配置，在此之前我没有python基础和数学基础，因为在准备期末考试，现在才完成环境的配置，我完全是照着这位 大佬博客首页做的，但是配置过程中，出现了各种问题，我也是各种解决，下面我会罗列我出现的问题和自己的一些理解和解决办法。（需说明：每个人遇到的情况是不一样的）

过程及问题

首先出现这些问题的原因是很多包和环境更新的缘故，导致原本yolov5的代码与其不适配，解决方法是更新代码或者下载原始版本的包。

环境依赖部分

我跟着大佬的这篇 博客完成了Anaconda的下载和其他环境的配置。在过程我遇到的唯一问题就是，关于2023年这款新版的Pycharm他的选择环境的方式不太一样。这里只需要在那个界面选择pytorch即可。
我这里只做了pytorch没有做paddle，所以只需要再pytorch下创建一个test1.py，将这段代码复制粘贴，运行即可。

import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())

我的版本和运行结果如图：

利用labelimg制作数据集

labelimg 配置参考这篇博客，我大概出现了一个大家都不会出现的问题，我电脑中途重装系统过，之前把labelimg安到了C盘，还是可以运行的，但是后来重装C盘重新下载之后，每次要数据标注就会出现闪退的问题，我搞了很久，最后发现只要在，Anaconda下自己配制的pytorch环境下，就可以正常使用了。
方法就是，打开你的Anaconda Powershell Prompt然后运行代码激活环境

conda activate pytorch

再运行代码进行下载和使用即可（方法都在这篇博客中）。

xml文件转换和数据集划分

跟大家解释一下这部分的意义，xml文件转换成txt文件是为了方便yolov5识别，而通常训练机器你需要训练集和验证集，所以还需要对数据进行划分，只需参考xml转化博客和数据集划分博客即可。

代码和包修改的部分

在这里大家会出现各种各样的问题，我这里只把我遇到的问题和解决办法列出，供大家参考。
首先我是按着这篇博客做的。

环境安装和依赖的安装

这里有大问题，如果你按照

pip install -r requirements.txt

安装，你会发现pycocotools安装失败（windows都会出现这样的情况），就很离谱，进行完这步之后只需要在终端执行以下代码即可。

pip install pycocotools-windows

运行train和detect

首先第一点，有个包名字叫werkezug的包，应该是我们通过install -r requirements.txt这一步得来的，带是有一个bug，就是我通过上网查询得到，最新版的werkezug需要明确包的路径才能被python引用，这对我这个初学python的人简直不要太难，于是我就卸载了当前的werkeug，安装了1.10.1版本，终端代码如下。

卸载：pip uninstall werkzeug
安装：pip install werkzeug==1.10.1

就可以运行了。
第二点，就是tensorbord这个包，需要手动安装，在终端中输入即可。

pip install tensorboard

第三点，安装SPPF类，详情请看这篇博客。
第四点，torch版本不匹配，详情请看这篇博客。
至此，我出现的问题，已经全部解决。

总结

本人第一次写博客，而且python功底不足，不能为大家解释原理，以后会慢慢学习，回来补充内容的，感谢阅读。