yolov5环境搭建（小白）

本文章跟着这个UP主搭建安装环境：你可是处女座啊

一、安装环境

1.1miniconda环境安装：
下 载 地 址 ：https://mirrors.tuna.tsinghua.edu/cn/anaconda/miniconda/

1. 选择py38-22.11安装，安装在C盘，安装时勾选将conda添加到系统变量；
2. 打开anaconda prompt；会出现一个base的环境；创建一个base的环境：conda create -n yolov5 python=3.8 回车后等待下载包，然后激活环境：conda activate yolov5 。可以用pip list指令查看安装的包
3. 配置清华源。打开网站：https://mirrors.tuna.tsinqhua.edu/cn/help/pypi/ ，复制 pip config set global. index—url https://pypi. tuna. tsinghua. edu. cn/simple 指令，在conda中粘贴，并执行；
4. 安装pytorch。Pytorch · 官 方 地 址 ： https://pytorch.org/ 。查看cuda版本(笔者是3060ti，最高支持12.0)，选择长期可支持稳定运行的v1.8.2 with LTS support版本。复制：pip3 install torch1.8.2 torchvision0.9.2 torchaudio==0.8.2 --extra-index-url https://download.pytorch.org/whl/lts/1.8/cu111 ，在conda中粘贴并执行；
5. 下载yolov5。Github 地 址：https://github.com/ultralytics/yolov5 ，下载yolov7.0。打开requirement.txt，修改如下几项：
   1）numpy1.20.3
   2）Pillow8.3.0
   3）注释掉torch 和 torchvision 两项；
   cmd进到yolo文件夹路径下，激活yolov5：conda activate yolov5 ; 再安装requirement.txt里面的环境：pip install -r requirement.txt
   6.进行检测：conda中输入：python detect.py 即可查看推理结果。

二、yolov5模型检测
2.1关键参数
1）weight：训练好的模型

在pycharm的终端里查看不同模型的检测效果，输入指令：python detect.py --weights yolov5s.pt 。还可以对不同的源进行检测（如屏幕），指令：python detect.py --weights yolov5s.pt --source screen ；视频文件：–source BVN.mp4 ;实时显示：–view-img；（ctrl+C停止视频文件推理训练）
2）conf-thres:置信度阈值，默认为0.25

3)IOU-thres:非极大值抑制的IoU阈值，默认为0.45

三、数据集构建
3.1标注软件：labelimg，segmentanything等；
3.2数据集：训练集，验证集，测试集（8：1：1）

3.3新建Datasets文件夹：包括images，labels。通过labelimg标注。在data文件夹下新建一个yaml文件，修改yaml里面的path，train，val路径，和class；最后到train.py里修改data参数下的yaml文件名，即可开始训练。训练的模型在weight路径下

TensorRT 环 境 安 装 与 配 置 ·
CUDA: 11.6.0 https://developer.nvidia.com/cuda-11-6-0-download-archive
CUDNN: 8.6.0.163 https://developer.nvidia.com/rdp/cudnn-archive
TensorRT:8.5.3.1 https://developer.nvidia.com/nvidia-tensorrt-down load pi p install tensorrt-8.5.3.1
zlibwapi.dll http://www.winimaqe.com/zLibDll/
模 型 导 出 · python export.py --weights y010v5s.pt --include engine --device 0