YOLOv5安装教程（window下和Ubuntu下都有）

直接看PDF文件，图片不能复制

链接: https://pan.baidu.com/s/1YC5MySu3SOF7yAzfyMr6CA?pwd=mami 提取码: mami 
--来自百度网盘超级会员v6的分享

YOLOv5 训练 PASCAL VOC 数据集

课程演示环境： Windows10

1 安装 Nvidia 显卡驱动、 CUDA 和 cuDNN

1) 下载和安装 nvidia 显卡驱动

首先要在设备管理器中查看你的显卡型号，比如在这里可以看到我的显卡型号为 Titan XP 。

NVIDIA 驱动下载： https://www.nvidia.cn/Download/index.aspx?lang=cn

下载对应你的英伟达显卡驱动。

下载之后就是简单的下一步直到完成。

完成之后，在 cmd 中输入执行： 如果有错误：

'nvidia-smi' 不是内部或外部命令，也不是可运行的程序 或批处理文件。

把 C:\Program Files\NVIDIA Corporation\NVSMI 添加到环境变量的 path 中。再重新打开 cmd 窗口。

如果输出下图所示的显卡信息，说明你的驱动安装成功。

2) 下载 CUDA

本人安装的是 CUDA 的 10.2 版本

cuda 下载链接 ： https://developer.nvidia.com/cuda-downloads?

target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

nvidia-smi 下载后得到文件： cuda_10.2.89_441.22_win10.exe

3) 下载 cuDNN

cudnn 下载地址 ： https://developer.nvidia.com/cudnn

需要有账号

下载后得到文件： cudnn-10.2-windows10-x64-v7.6.5.32.zip

4) 安装 cuda

(1) 将 cuda 运行安装，建议默认路径 安装时可以勾选 Visual Studio Integration

(2) 安装完成后设置环境变量 计算机上点右键，打开属性 -> 高级系统设置 -> 环境变量，可以看到系统中多了 CUDA_PATH 和

CUDA_PATH_V10_2 两个环境变量。

接下来，还要 在系统中添加以下几个环境变量： 这是 默认安装位置的路径 : C:\ProgramData\NVIDIA

Corporation\CUDA Samples\v10.2

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2 CUDA_LIB_PATH =

%CUDA_PATH%\lib\x64 CUDA_BIN_PATH = %CUDA_PATH%\bin CUDA_SDK_BIN_PATH =

%CUDA_SDK_PATH%\bin\win64 CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

在系统变量 Path 的末尾添加：

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

再添加如下 5 条 （默认安装路径）： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64 C:\Program Files\NVIDIA

GPU Computing Toolkit\CUDA\v10.2\include C:\Program Files\NVIDIA GPU Computing

Toolkit\CUDA\v10.2\extras\CUPTI\lib64 C:\ProgramData\NVIDIA Corporation\CUDA

Samples\v10.2\bin\win64 C:\ProgramData\NVIDIA Corporation\CUDA

Samples\v10.2\common\lib\x64

5) 安装 cuDNN

复制 cudnn 文件

对于 cudnn 直接将其解开压缩包，然后需要 将 bin,include,lib 中的文件复制粘贴到 cuda 的文件夹下

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2

6 ） CUDA 安装测试

最后测试 cuda 是否配置成功：

打开 CMD 执行：

即可看到 cuda 的信息

nvcc -V 2 安装 Anaconda 和 PyTorch

1) 安装 Anaconda

Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学

计算、数据分析的 Python 包。

1) 下载安装包

Anaconda 下载 Windows 版： https://www.anaconda.com/products/individual

2) 然后安装 anaconda

3) 添加 Aanaconda 国内镜像配置

清华 TUNA 提供了 Anaconda 仓库的镜像，运行以下命令 :

2 ）安装 pytorch

更新：如果使用 yolov5 版本 v4.0 以上的代码， pytorch1.6 改为 pytorch1.7

创建虚拟环境，环境名字可自己确定，这里使用 yolov5 作为环境名 :

安装成功后激活 yolov5 环境：

在所创建的环境下安装 pytorch 的 1.7 以上版本 , 执行命令：

注意： 10.2 处应为自己电脑上的 cuda 版本号

离线安装：

conda config --add channels

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

conda create -n yolov5 python=3.8

conda activate yolov5

conda install pytorch torchvision cudatoolkit=10.2 -c pytorch 下载网址 : https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

安装 pytorch1.7 更新为

版本 : pytorch-1.7.1-py3.8_cuda102_cudnn7_0.tar.bz2

3 yolov5 项目克隆和安装

1 ） 克隆 yolov5 项目

安装 Git 软件（ https://git-scm.com/downloads ），克隆项目到本地（如 d: ）

或 手动下载 yolov5 源码 v4.0:

https://github.com/ultralytics/yolov5/releases/tag/v4.0

2 ） 安装所需库

使用清华镜像源：

在 yolov5 路径下执行：

注意： simple 不能少 , 是 https 而不是 http

3 ） 下载预训练权重文件

下载 yolov5s.pt ， yolov5m.pt ， yolov5l.pt ， yolov5x.pt 权重文件，并放置在 weights 文件夹下

百度网盘下载链接 :

链接： https://pan.baidu.com/s/1RztRLwk3Dye9qkmXxG40JA 提取码： e2q0

更新：如果使用 yolov5 版本 v4.0 以上的代码，下载相应的权重

4 ） 安装测试

测试图片：

在 yolov5 路径下执行

更新 :

4 准备数据集

conda install --offline pytorch-1.7.1-py3.8_cuda102_cudnn7_0.tar.bz2

git clone https://github.com/ultralytics/yolov5.git

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

python detect.py --source ./inference/images/ --weights weights/yolov5s.pt --

conf 0.4

python detect.py --source ./data/images/ --weights weights/yolov5s.pt --conf 0.4 1) 下载项目文件：

从百度网盘下载到 yolov5 目录下并解压

VOCtrainval_06-Nov-2007.tar

VOCtrainval_11-May-2012.tar

VOCtest_06-Nov-2007.tar

get_voc_windows.py

2 ）生成训练集和验证集文件

执行 python 脚本：

在 VOCdevkit / VOC2007 和 VOCdevkit / VOC2012 目录下可以看到生成了文件夹 labels ；在 VOC 目录下

生成了 images 和 labels 文件夹；

在 yolov5 目录下生成了文件 2007_train.txt, 2007_val.txt, 2007_test.txt, 2012_train.txt,

2012_val.txt,train.txt, train.all.txt 。

labels 下的文件是 JPEGImages 文件夹下每一个图像的 yolo 格式的标注文件，这是由 annotations 的

xml 标注文件转换来的

train.txt 和 2007_test.txt 分别给出了训练集图片和验证集图片的列表，含有每个图片的路径和文件

名。

VOC/images 文件夹下有 train 和 val 文件夹，分别放置训练集和验证集图片； VOC/labels 文件夹有

train 和 val 文件夹，分别放置训练集和验证集标签（ yolo 格式）。

5 修改配置文件

1) 新建文件 data/voc-new.yaml

可以复制 data/voc.yaml 再根据自己情况的修改；可以重新命名如： data/voc-new.yaml

然后修改配置参数

2) 新建文件 models/yolov5s-voc.yaml

可以复制 models/yolov5s.yaml 再根据自己情况的修改；可以重新命名如： models/yolov5s-voc.yaml

然后修改配置参数

6 训练自己的数据集

1) 训练命令

python get_voc_windows.py

# download command/URL (optional)

#download: bash data/scripts/get_voc.sh

# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or

3) list: [path1/images/, path2/images/]

train : VOC/images/train/   # 16551 images

val : VOC/images/val/   # 4952 images

# parameters

nc : 20   # number of classes 在 yolov5 路径下执行

2) 训练过程可视化：

在 yolov5 路径下执行

7 测试训练出的网络模型

1) 测试图片

在 yolov5 路径下执行

更新 :

2 ）性能统计

在 yolov5 路径下执行

更新 :

8 导出 ONNX 文件

python train.py --data data/voc-new.yaml --cfg models/yolov5s-voc.yaml --weights

weights/yolov5s.pt --batch-size 16 --epochs 200

tensorboard --logdir=./runs

python detect . py -- source . / VOC / images / val / 000001.j pg -- weights

runs / exp0 / weights / best . pt -- conf 0.4

python detect.py --source ./VOC/images/val/000001.jpg --weights

runs/train/exp/weights/best.pt --conf 0.4

python test.py --data data/voc-new.yaml --weights runs/exp0/weights/best.pt --

batch-size 16

python test.py --data data/voc-new.yaml --weights

runs/train/exp/weights/best.pt --batch-size 16

pip install onnx>=1.7.0 -i https://pypi.tuna.tsinghua.edu.cn/simple # for ONNX

export

pip install coremltools==4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple # for

CoreML export

python models/export.py --weights weights/yolov5s.pt --img 640 --batch 1 #

export at 640x640 with batch size 1