创建 python.yolov5 环境（分享踩坑经验）

已于 2022-03-06 13:03:52 修改
阅读量3.9k 收藏 13
点赞数 1
分类专栏： 笔记 文章标签： python
于 2022-03-06 13:03:08 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/m0_59055113/article/details/123307343
版权
本文详细记录了创建Python环境，特别是为yolov5模型训练配置环境的过程。从下载Python和Anaconda，检查环境变量，到创建和激活环境，安装jupyter notebook，下载yolov5源码及依赖文件。遇到的问题包括联网失败、环境变量设置、pip模块缺失等，最终成功建立yolov5训练所需的环境。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

全文指导性文章：教程：超详细从零开始yolov5模型训练--作者：抛到海里

准备工作：

3.8以上版本的python、Anaconda

下载链接：Download Python | Python.org

Anaconda | Individual Edition

---------------------------------------------------------------------------------------------------------------------------------

下载完成

我下载的应该是python3.11和最新的Anaconda（我没有挑选版本，官网直接点击下载的）

事实上，python3.11我最后没有用着

---------------------------------------------------------------------------------------------------------------------------------

检查安装：（我用的是Windows Powershell）

 安装好python和Anaconda后，点开Anaconda Powershell Prompt(download)，开始试着创造环境

最低0.47元/天 解锁文章
TensorRT python多进程推理踩坑（csdn）————程序.pdf
12-04
在使用TensorRT进行深度学习推理时，特别是在Python环境中，可能会遇到多线程或多进程的优化问题。本篇文章主要探讨了在TensorRT中实现多线程推理以及如何在Python的multiprocessing库下正确运行多进程推理的注意...
YOLOv5主代码python
11-21
YOLOv5 主代码。YOLOv5 的表现要优于谷歌开源的目标检测框架 EfficientDet，尽管 YOLOv5 的开发者没有明确地将其与 YOLOv4 进行比较，但他们却声称 YOLOv5 能在 Tesla P100 上实现 140 FPS 的快速检测；相较而言，YOLOv4 的基准结果是在 50 FPS 速度下得到的.
Python——一文详解使用yolov5进行目标检测全流程（无需gpu）
weixin_53848907的博客
03-03 6989
本文按步骤详细介绍了使用yolov5进行目标检测的全流程，包括：模型下载、环境配置、数据集准备和数据预处理、模型调整、模型训练、进行目标检测和检测结果分析。本文全部流程使用cpu完成（无需gpu），旨在跑通流程，模型训练过程较慢，且未能到达最优结果。需要 python版本>=3.8。
YOLOv5 python实现
weixin_42608299的博客
02-18 1084
YOLOv5 是一种目标检测算法，你可以使用 Python 实现 YOLOv5。 首先，你需要安装必要的库，如 PyTorch、NumPy 等。接着，你可以从 GitHub 上下载 YOLOv5 的代码，也可以从其他开源代码库中获得帮助。 接下来，你需要加载预训练的权重文件，以及定义相关的参数，如图像大小、分类数量等。然后，你可以在图像上运行推理，并使用目标检测的结果进行可视化。 如果你是初学者，...
YOLOV5的训练与部署
最新发布
2403_87255456的博客
02-13 1292
本文简述使用自己电脑本地训练YOLOV5模型，并部署在树莓派上。
python深度学习-YOLOv5
On the way
03-19 2万+
1、YoLov5图像识别技术 Yolov5图像识别技术简介 YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。主要的改进思路如下所示： 输入端：在模型训练阶段，提出了一些改进思路，主要包括Mosaic数据增强、自适应锚框计算、自适应图片缩放； 基准网络：融合其它检测算法中的一些新思路，主要包括：Focus结构与CSP结构； Neck网络：目标检测网络在BackBone与最后的Head输出层之间往往会插入一些层，Yolov5中添加了
教程：超详细从零开始yolov5模型训练
热门推荐
qq_45701791的博客
02-23 28万+
本文将介绍yolov5从环境搭建到模型训练的整个过程。最后训练识别哆啦A梦的模型。 1.anconda环境搭建 2.yolov5下载 3.素材整理 4.模型训练 5.效果预测 - Anconda环境搭建 提醒：所有操作都是在anconda的yolo的环境下进行的，在创建yolo环境后，之后每次进入CMD都需要切换到yolo环境中去（否则进入默认的base环境中） https://www.anaconda.com/products/individual#Downloads 下载对应版本anconda即可，这里
无脑008——yolov5目标检测全流程，训练自己的庞大数据集，半自动标注数据集
weixin_44298961的博客
07-21 5323
使用yolov5进行自己数据集的目标检测，以及使用yolov5自带的detect.py实现数据集的半自动标注
(小白必看)详解yolov5训练自己的数据集 & 使用香烟数据集训练yolov5识别香烟
分享计算机视觉，C++，网络摄像头研发，音视频开发，嵌入式等知识。
07-27 1671
在YOLOv5根目录下创建mydata文件夹（名字可以自定义），目录结构如下，将之前labelImg标注好的xml文件和图片放到对应目录下mydata…images # 存放图片…xml # 存放图片对应的xml文件…
windows11-yolov8，自己搭建环境过程回顾（已经踩过坑了，在此拒绝踩坑）
qq_38585897的博客
03-22 1946
创建一个虚拟环境（解释一下：yolov8是自己创建的虚拟环境（空间）的名字，后面python是限定其内部python版本，不用怎么修改，直接复制粘贴即可。进入后，找到想对应的cuda版本，如图所示，假设cuda版本为11.6，那么请选择pip下载，下载速度稍微快一点。在这里就开始有所不同了，如果你的电脑带有英伟达显卡，那么首先恭喜你，你可以使用更为快速的GPU训练和推理了。你的环境已经成功搭建，来点快乐，水先休息一会，准备着手训练数据集吧。GPU加速推理安装的视频，大家也可以网上进行查阅。
yolov7 Onnx导出使用部署 踩坑
xxxvxxv的博客
07-05 470
代码中classes.txt是分类标签，一行一个。然后就可以愉快的使用大神们的代码推理了。
python知识点二（yolov5）
子小程
05-07 286
detect.py部分： 1.Python isnumeric() 方法检测字符串是否只由数字组成。 这种方法是只针对unicode对象。定义一个字符串为Unicode只需要在字符串前面加“u”前缀即可。 提供了许多关于文件和文件集合的高级操作，特别提供了支持文件复制和删除的功能。 2.Python shutil库:提供了许多关于文件和文件集合的高级操作，特别提供了支持文件复制和删除的功能。 3.Python hasattr:判断对象是否包含对应的属性 ...
Yolov5，支持python3.6版本，目前官方版本为3.8。
06-21
Yolov5，支持python3.6版本，目前官方版本为3.8。
yolov5 官方版本 支持python3.8
06-21
yolov5 官方版本 支持python3.8
Python3.7安装YOLOV5(CPU运行)
weixin_63326467的博客
06-20 4107
本文含泪总结在win7系统安装YOLOv5的过程，幸得在csdn各博主的经验贴下安装成功，其中也是踩了很多坑。在正式开始前，提醒大家看一下自己的Python版本是否是3.7，若有多个Python版本看环境变量中是否有Python3.7这一路径，由于本人下了多个Python且环境变量路径中只有Python3.6，在安装成功后运行时才发现YOLOv5只支持3.7及以上版本，含泪卸载重新安装，废话不多说，开始今天的内容。 4.安装YOLOv5（如果 python 版本大于3.7，直接使用 pip 安装）
用python写yolov5
weixin_42577735的博客
02-10 745
YOLOv5 是一种用于对象检测的神经网络算法，你可以使用 Python 实现它。 首先，你需要安装一些必要的库，如 PyTorch，NumPy 等。 然后，你可以从 GitHub 上获取 YOLOv5 的代码，并在训练好的模型上进行推理。 代码实现步骤如下： 加载模型权重 对输入图像进行预处理 将图像送入模型中并进行推理 处理推理结果，并在图像上进行标记 如果你是初学者，可以从现有的代码库中...
OpenVINO部署YOLOv5——Python版本
jiaqihanhan的博客
09-23 1285
openvino
使用Python+OpenCV+yolov5实现行人目标检测
深度学习与计算机视觉
12-31 3万+
介绍目标检测支持许多视觉任务，如实例分割、姿态估计、跟踪和动作识别，这些计算机视觉任务在监控、自动驾驶和视觉答疑等领域有着广泛的应用。随着这种广泛的实际应用，目标检测自然成为一个活跃的研...
Python基于YOLOv5的交通标志识别系统[源码＆技术文档＆部署视频＆数据集]
cheng2333333的博客
08-30 4053
计算机技术 视频教程 神经网络 目标检测 自定义UI操作界面 交通标识识别 机器学习 YOLO智慧城市 Python
python安装yolov7环境
09-10
要在Python中安装YOLOv7环境，您可以按照以下步骤进行操作： 1. 首先，您需要重新安装setuptools模块，您可以使用以下命令： ``` pip uninstall setuptools pip install setuptools==59.5.0 ``` 2. 接下来，您需要下载YOLOv4环境配置所需的库和文件。您可以在指定的链接中找到darknet目录下的darknet.py文件以及其他相关文件。确保按照上一篇文章中提供的步骤完成YOLOv4环境配置。 3. 如果您希望在虚拟环境中安装并使用YOLOv7，您可以执行以下步骤： - 创建一个名为yolov7的虚拟环境并选择Python版本为3.8： ``` conda create -n yolov7 python=3.8 ``` 确认是否成功创建了虚拟环境： ``` conda info --envs ``` - 激活yolov7虚拟环境： ``` conda activate yolov7 ``` 请根据上述步骤操作以安装和配置Python中的YOLOv7环境。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
评论
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