目录
第六步:用Pycharm打开YOLO项目文件,选择配置好的虚拟环境
第一步:安装Anaconda
进入官网下载即可,也可以下载Miniconda,Miniconda是Anaconda的简化版,对于一般需求而言就够用了。具体安装教程大家可以搜一下。
下载并安装后,配置下载镜像源,因为有的库的服务器在国外,我们直接安装会很慢,这时候需要国内源进行下载;有两种方式:一种是一劳永逸的方法,直接配置.condrac配置文件就行;另外一种是在安装命令之后直接跟国内源地址。
配置和下载网址:anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
第二步:安装PyCharm
进入PyCharm官网下载即可,具体教程大家可以搜一下。
第三步:创建一个虚拟环境
打开CMD,执行下面命令:
conda create -n yolo01 python=3.8
注意:这里一定要是python3.8,其他版本别去管。
创建成功后,以下面命令激活进入创建的虚拟环境
conda activate yolo01
第四步:从github上下载yolov5项目
官网:ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite (github.com)
点击Code-->Download,下载到本地
下载完整代码后,并把下面的YOLOv5s下载到上面项目文件的目录下,它是模型的预训练权重文件,官方提供了5个模型训练权重,也可把其他文件也下载本地,进行对比。
第五步:让虚拟环境进入yolov5项目目录,并下载依赖
cd D:\yolo\yolov5-master
D:
进入yolov5项目目录后,执行下面命令下载项目所需依赖库
pip install -r requirements.txt
第六步:用Pycharm打开YOLO项目文件,选择配置好的虚拟环境
选择虚拟环境
File -> Settings -> Project:yolov5 -> Python Interpreter -> add -> Conda Enviroment -> Existing Enviroment -> 选择你的虚拟环境路径 -> ok
第七步:运行项目
设置完虚拟环境,运行左侧的detect.py文件
如果运行结束后没有报错,而且在左侧的runs\detect\exp目录下出现了下面这两张被处理过的图片,就说明前面的操作都木有问题,恭喜已成功运行!