Yolov5环境配置 配不好来打我

已于 2022-11-29 22:17:26 修改
阅读量9.3k 收藏 181
点赞数 25
文章标签： pycharm python ide
于 2022-05-22 18:27:54 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jsjshhs/article/details/124913071
版权

Yolov5环境安装及配置详细教程

文件准备

可以将这些文件都下载好放置在桌面上 再进行环境配置这一步操作

Pycharm下载链接

https://www.jetbrains.com/pycharm/download/download-thanks.html?platform=windows&code=PCC

（打开链接直接下载即可）

Anaconda下载链接

官方链接：（下载速度慢，不推荐）

https://repo.anaconda.com/archive/Anaconda3-2022.05-Windows-x86_64.exe

镜像网站链接：（下载速度快，强烈推荐）

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2022.05-Windows-x86_64.exe

（打开链接直接下载即可）

Yolov5源码下载地址链接

Yolov5-5.0加速下载链接：https://archive.xn–gzu630h.xn–kpry57d/ultralytics/yolov5/archive/refs/tags/v5.0.zip

Yolov5-5.0Github官方链接：https://github.com/ultralytics/yolov5/archive/refs/tags/v5.0.zip

Yolov5-6.1加速下载链接：https://github.com/ultralytics/yolov5/archive/refs/tags/v6.1.zip

Yolov5-6.1Github官方链接：https://archive.xn–gzu630h.xn–kpry57d/ultralytics/yolov5/archive/refs/tags/v6.1.zip

CUDA下载地址

首先检查自己的电脑支持什么版本的CUDA

鼠标右键打开NVIDIA控制面板
请添加图片描述

请添加图片描述

请添加图片描述

请添加图片描述

接下来进入Cuda官网下载所支持的版本 https://developer.nvidia.com/cuda-toolkit-archive

点击网站进入后
请添加图片描述
在这里插入图片描述

CUDNN下载地址

（需对应CUDA版本下载 ）

CUDA版本为11以上 下载地址为：

https://developer.nvidia.com/compute/cudnn/secure/8.4.0/local_installers/11.6/cudnn-windows-x86_64-8.4.0.27_cuda11.6-archive.zip

CUDA版本为10.2 下载地址为：

https://developer.nvidia.com/compute/cudnn/secure/8.4.0/local_installers/10.2/cudnn-windows-x86_64-8.4.0.27_cuda10.2-archive.zip

提醒：以上CUDNN网址进入时 需要先注册登录哦！

环境配置

Pycharm安装

打开安装包
​在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
Pycharm的安装到此就完成了

Anaconda安装

打开安装包
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

CUDA安装

CUDA安装CUDA环境配置（Windows）
打开安装包
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
打开高级设置
在这里插入图片描述
在这里插入图片描述
![在这里插入图片描述](https://img-blog.csdnimg.cn/6f516522b8484321b907ac3af622330f.png

在这里插入图片描述
在这里插入图片描述
需要添加下面五组变量名与变量值

变量名：CUDA_SDK_PATH 变量值：C:\ProgramData\NVIDIA Corporation\CUDA
Samples\v11.3

变量名：CUDA_LIB_PATH 变量值： %CUDA_PATH%\lib\x64

变量名：CUDA_BIN_PATH 变量值：%CUDA_PATH%\bin

变量名：CUDA_SDK_BIN_PATH 变量值：%CUDA_SDK_PATH%\bin\win64

变量名：CUDA_SDK_LIB_PATH 变量值：%CUDA_SDK_PATH%\common\lib\x64
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

①中需添加的：

%CUDA_LIB_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_BIN_PATH%;

②中需添加的：(默认为以下路径)

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\CUPTI\lib64

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\bin\win64

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\common\lib\x64

在这里插入图片描述
在这里插入图片描述
新建：“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin”（不需要加引号）
新建：“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp”（不需要加引号）
在这里插入图片描述
在这里插入图片描述
到此，CUDA安装以及环境配置就完成了

CUDNN安装

打开压缩包
在这里插入图片描述
此处将这三个文件复制到CUDA安装路径同名文件夹即可！！这里我的路径是C：Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3
在这里插入图片描述
在这里插入图片描述
WIN+R打开终端
在这里插入图片描述
在这里插入图片描述

使用Anaconda配置环境

在Anaconda下安装Pytorch
打开Anaconda Prompt
点击Launch后会弹出窗口 先将其最小化 点击第二步
在这里插入图片描述
首先创建python的虚拟环境 在命令行里面输入conda create -n “your venu name” python==x.x (自行设置名称和python版本)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
接着输入下面的命令行
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
在这里插入图片描述
​
接下来进行配置Pytorch 首先进入Pytorch官网：Pytorch

​在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

接着在命令行输入pip install pycocotools-windows
在这里插入图片描述
接着输入cd 命令转到yolov5源码的目录下面（如果cd命令不起作用 可以尝试cd \d 命令来操作
在这里插入图片描述
再输入以下命令行

pip install -r requirements.txt

pip install pyqt5

pip install labelme
在这里插入图片描述
到这里yolov5的环境配置就已经完成了，接下来开始进行测试

第一次目标检测

在yolov5目录下执行下列代码

python detect.py --source data/images/bus.jpg --weights pretrained/yolov5s.pt

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
第一测试只有exp 第二次测试就会自动生成exp2文件 以此类推

在这里插入图片描述

至此 yolov5初次目标检测就完成了

yolov5的检测代码功能十分强大，是支持对多种图像和视频流进行检测的，具体的使用方法如下：

python detect.py --source 0 # webcam

file.jpg # image

file.mp4 # video

path/ # directory

path/*.jpg # glob

‘https://youtu.be/NUsoVlDFqZg’ # YouTube video

‘rtsp://example.com/media.mp4’ # RTSP, RTMP, HTTP stream

​

​

香离
关注
  • 25
    点赞
  • 踩
  • 181
    收藏
    觉得还不错? 一键收藏
  • 26
    评论
yolov5环境配置总结
02-27
yolov5环境配置总结
深度学习目标检测：yolov5环境配置，适合0基础小白，超详细
qq_67105081的博客
04-26 4091
对于小白也很简单的yolov5环境配置
YOLO检测环境安装配置
最新发布
HZ博客
06-11 988
YOLO教程YOLO[ˈjoʊloʊ]（You Only Look Once）是一种快速而准确的目标检测算法，由Joseph Redmon等人在2016年提出。YOLO被广泛应用于计算机视觉领域，包括实时视频分析、自动驾驶、安防监控、智能交通、缺陷检测等。与传统的目标检测方法不同，YOLO将目标检测问题视为一个单一的回归问题，从输入图像的像素到输出的边界框和类别。在YOLO诞生之前。
深度学习笔记（一）：环境（yolov5）配置
xumocanshui的博客
09-29 1万+
到这里yolov5的环境部署就结束了。最后运行一些yolov5项目中的detect.py文件测试一下。在terminal中输入或者直接运行detect.py。运行结果如下所示。
基于Yolov5环境配置详解（真的很方便很简单）
不会拍照的博客
07-12 3万+
本文主要讲解了如何配置Yolov5的运行环境在竞赛期间接触了机器视觉，为了完成对各种垃圾的目标检测，我用了yolov5模型去实现。刚开始的配置环境的时候用了两周的时间，还会遇到各种报错；主要是版本问题，因为要对应Jeston nano的环境（也可能不需要对应）；如果只要给电脑配置环境就很简单了。
史上最详细yolov5环境配置搭建+配置所需文件
热门推荐
想到好名再改的博客
07-31 19万+
yolov5的配置过程总体来说还算简单，但是网上大部分博客都没有仔细介绍具体步骤，本文将从最细节的层面记录yolov5环境配置的全过程 使用到的工具有 1.anaconda，pycharm 2.cuda10.2+cudnn-10.2-windows10-x64-v7.6.5.32+pytorch1.5.1+。。。。。。。。 ps（pytorch只要大于等于1.5.1即可，本文将在之后说明安装步骤） 所需资源： 本博客免费提供所有win10的cuda和cudnn，百度云，提取码：elpt 以及权重文件百度云，
yolov5环境配置
xiao_yang_yang_的博客
02-04 5124
Windows系统下1、安装Anaconda3(我的版本)，配置好环境变量（不同版本环境变量文件可能不同）2、安装电脑对应的显卡版本驱动(NVIDIA GeForce GTX 1050)3、安装CUDA(10.2版本)，成功安装后再安装cuDNN(一定是对应于CUDA版本)4、安装pytorch，配置pytorch环境，克隆yolov5包。
【深度学习】YOLOV5-WIN10环境搭建（配置+训练
m0_62556048的博客
07-01 8742
win10 基于anaconda和pytorch的YOLOV5深度学习环境配置
yolov5权重文件，包含yolov5l.pt yolov5m.pt yolov5s.pt yolov5x.pt
03-14
本压缩包中包含了四种不同规模的YOLOv5模型权重：yolov5l.pt、yolov5m.pt、yolov5s.pt和yolov5x.pt，分别对应大、中、小和超大型模型。 1. **YOLOv5模型结构**：YOLOv5沿用了YOLO系列的核心思想，即单次前传完成...
Pothole_detection_YOLOV5.zip
11-09
在这个项目中，VOC数据集被用来训练YOLOV5模型来识别路面的坑洼，这有助于提升自动驾驶车辆的安全性，使其能够及时避开可能造成损害的路面障碍。 标签中提到了"深度学习"，这是现代计算机视觉技术的核心，它通过...
抽烟检测数据集yolov5 6.2 吸烟检测
11-08
对于这个特定的数据集，可能需要预先处理标注信息，将其转换成YOLOv5所需的格式，然后配置模型的类别数（这里应为两类：抽烟和非抽烟）以及训练参数，最后启动训练。 总的来说，这个抽烟检测数据集结合YOLOv5 6.2...
基于pyqt的YOLOv5目标爬取、标注、训练和多源数据检测一站式界面实现
06-04
将目标检测YOLOv5框架进行封装，并利用pyqt实现了训练+检测2个部分的界面功能。操作系统Win10 64位 内存16G，显卡N卡 GTX1060 6G显存。开发环境：pycharm 2021版；pytorch版本为2.1. 训练部分，从图片爬虫下载、数据...
yolov3、yolov4、yolov5框架训练数据-1400张车子训练集合.rar
04-17
同时，YOLOv5的模型结构更加灵活，支持动态调整输入尺寸，适应不同的硬件环境。 本数据集包含1400张已手工专业标注的车辆图片，每张图片都配有.xml文件，这些文件通常包含了每个目标的边界框坐标和类别信息，是训练...
【零基础上手yolov5】yolov5的安装与相关环境的搭建
罅隙的博客
10-03 5万+
YOLO是最著名的目标检测算法之一，本文将带领大家完成yolov5的安装和相关环境的搭建，即使是python零基础的小白也可以看懂哦
深度学习(三):yolov5环境配置及使用
biter0088的博客
03-12 2万+
0 前言 电脑:RTX3070、cuda-11.0，系统ubuntu18.04 官网：https://github.com/ultralytics/yolov5 1 环境配置 1.1 python环境 下载代码： git clone https://github.com/ultralytics/yolov5 进入到下载目录： #python3.7的环境 conda create -n yolov5py37 python=3.7 #安装其他需...
YOLOv5 项目：环境配置
Henry的博客
02-29 1449
yolo v5 环境配置
通用的CUDA、cuDNN、anaconda、pytorch环境配置详细过程 - Windows / Ubuntu Linux (以YOLOv5模型安装配置为例)
Wontoner的博客
04-06 3万+
​相关项简介 CUDA（ComputeUnifiedDeviceArchitecture，统一计算架构）是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 cuDNN是基于CUDA的用于深度神经网络的GPU加速库，有了它才能在GPU上完成深度学习的计算。cuDNN是插入式设计，即所谓安装只需把cuDNN文件复制到CUDA对应文件夹就可以了。 Anaconda是一个用于科学计算的Python发行版，里面预装好了conda、某个版本的python以及一般......
YOLOV5环境配置
qq_53962503的博客
07-24 3665
YOLOV5环境配置
【环境配置】YOLOv5环境配置（Pytorch）
hsdujdjrjrj的博客
03-05 613
Windows系统下使用Pytorch框架配置YOLOv5运行环境。
Yolov5环境配置
08-31
您好！要配置Yolov5的环境，您可以按照以下步骤进行操作： 1. 确保您的计算机已经安装了Python和pip。如果没有安装，请先安装它们。 2. 创建一个新的虚拟环境（可选，但推荐），使用以下命令： ``` python -m venv yolov5-env ``` 3. 激活虚拟环境，使用以下命令： - Windows: ``` yolov5-env\Scripts\activate ``` - Linux/MacOS: ``` source yolov5-env/bin/activate ``` 4. 在虚拟环境中安装Yolov5的依赖库，使用以下命令： ``` pip install -U -r https://raw.githubusercontent.com/ultralytics/yolov5/master/requirements.txt ``` 5. 克隆Yolov5的代码库，使用以下命令： ``` git clone https://github.com/ultralytics/yolov5.git ``` 6. 进入yolov5目录，使用以下命令： ``` cd yolov5 ``` 7. 下载预训练权重文件（可选，但推荐），使用以下命令： ``` python -c "from utils.google_utils import attempt_download; attempt_download()" ``` 8. 至此，您已经成功配置了Yolov5的环境！您可以使用以下命令测试一下： ``` python detect.py --source 0 # 使用摄像头进行实时目标检测 ``` 这是基本的Yolov5环境配置过程，希望对您有帮助！如果您有其他问题，请随时向我提问。
评论 26
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值