使用yolov5训练和部署人工智能模型——图形化操作界面

〇、更新日志

# 20240916 V2.1

（1）修复已知的翻译问题。

（2）修改CSDN资源下载权限，0积分可下载。

# 20240909 V2.0

（1）升级了“初始化”按钮，新增了“检查软件”和“设置Pytorch”功能。

（2）默认安装了Yolov5依赖环境，无需通过命令行安装。

（3）修改了“部署模型”中的“模型”为单选模式。

（4）在“部署模型”中新增了“源头”选项，包括摄像头、图片、视频及屏幕。

# 20240827 V1.1

（1）在压缩包中提供了yolov5文件夹，供用户直接使用。

（2）修复了“未切分检测数据集”不能切分的错误。

---

一、软件介绍

深度学习是机器学习的代表性成果，基于神经网络模型来模拟人类大脑，在数据处理、特征提取和模式识别方面具有强大能力，是当前人工智能发展的核心驱动力之一。

飞令（FeeLink）深度学习工具集将深度学习技术的基本流程进行封装，为用户提供图形化界面，用户使用鼠标和数字键盘，即可快速完成图像采集、图像处理、图像标注、数据集制作、模型训练、模型部署等六项主要功能，以及界面翻译和终端打印等两项辅助功能。

各项功能详见表1。

表1 FeeLink功能

序号	功能	介绍
1	界面翻译	界面文字和终端打印内容均支持中英文切换。
2	图像采集	在相机开启和选择保存文件夹的情况下，允许实时拍照。
3	图像处理	对指定文件夹中的所有图像进行备份、重命名、修改像素。
4	图像标注	标注图像中的目标物体，并将标注信息保存到标注文件中。
5	数据集制作	检测数据集格式、划分数据集比例、生成数据集配置文件。
6	模型训练	选择预训练模型、设置训练参数、生成训练指令并启动训练。
7	模型部署	选择模型、生成部署指令并启动推理。
8	终端打印	打印用户的操作过程以及相关报错信息。

---

二、软件安装

以下将本软件称为FeeLink。

1、硬件配置

推荐在至少配置了i3-12100芯片、8GB运行内存、256GB磁盘容量的个人计算机上运行，支持接入摄像头、鼠标、键盘和显示器，显示器分辨率不小于800 x 800。

2、系统要求

FeeLink已在Windows 11（64bit）系统上完成测试，不保证在 Windows 10 或 32bit 系统上完美运行。

3、支持软件

FeeLink依赖以下软件的支持，软件名称、版本号及下载地址详见表2。

除Pytorch外，其它支持软件（1/2/4/5/6）均可从绑定资源下载，或者从百度网盘下载，或者使用表2中的下载链接。

FeeLink支持软件CSDN资源：【免费】FeeLink支持软件资源-CSDN文库

表2 支持软件

序号	支持软件	版本号	下载链接	备注
1	Git	>=2.46.0	Git
2	Miniconda *	>=2024.6-1	Miniconda — Anaconda documentation
3	Pytorch *	=2.3.1	Start Locally | PyTorch
4	Yolov5	/	https://github.com/ultralytics/yolov5	可选
5	Visual C++ Redist	14.40.33810.0	Visual C++ Redistributable downloads	不再需要
6	libomp140.x86_64.dll *	20140926	libomp140.x86_64.dll	不再需要

[说明]

* Miniconda只用于创建python==3.12虚拟环境，可用其它类似软件替代。

* Pytorch提供了GPU版本和CPU版本，如果计算机带有NVIDIA显卡，请安装带CUDA的版本。

* 在安装Pytorch之后，再将libomp140.x86_64.dll放到相应位置。

4、安装过程

（1）安装Git软件，下载后一直点击下一步，直到安装完成即可。

（2）安装Miniconda软件。

安装完成后打开Anaconda Prompt (miniconda3)，输入以下指令，创建一个名为pytorch的虚拟环境，并指定python版本为3.12。

conda create -n pytorch python==3.12

python 3.12安装完成后，输入以下指令以激活pytorch虚拟环境，如图1所示。

activate pytorch

图1 在Anaconda Prompt中激活pytorch虚拟环境

根据计算机是否可以安装CUDA，选择CUDA版本（以CUDA 12.4为例）或CPU版本，统一使用Pytorch=2.3.1版本。

# CUDA 12.1
pip install torch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1 --index-url https://download.pytorch.org/whl/cu121

# CPU
pip install torch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1

（3）解压缩下载好的Yolov5.zip（或使用压缩包中已下载的yolov5文件夹），解压后如图2所示。

图2 yolov5文件夹

点击地址栏，复制当前yolov5的绝对路径。注意，要将yolov5-master文件夹重命名为yolov5，并且yolov5文件夹中不要再包含yolov5文件夹。

图3 复制yolov5的绝对路径（不再需要）

回到Anaconda Prompt，注意还是先要激活pytorch虚拟环境。

图4 激活pytorch（不再需要）

依次输入以下指令，安装yolov5依赖项。

cd yolov5 # 替换为 yolov5 文件夹的绝对路径，如 C:\Users\71401\Downloads\yolov5

pip install -r requirements.txt

（4）安装Visual C++ Redist

下载后，安装即可。

（5）下载和放置libomp140.x86_64.dll

下载后，将libomp140.x86_64.dll放在以下位置。

C:\Users\***\miniconda3\envs\pytorch\Lib\site-packages\torch\lib

# ***替换为计算机用户名，或者是miniconda3安装文件夹的上一级目录

（6）下载FeeLink，解压缩后，将yolov5文件夹放在与feelink.exe同级目录下，如图5所示。

图5 文件结构

注意，打开yolov5文件夹后是图3的状态。

---

三、界面一览

1、主窗口

2、处理图像子窗口

3、标注图像子窗口

4、制作数据集子窗口

5、训练模型子窗口

6、部署模型子窗口

---

四、软件使用

请查阅CSDN另一篇文章的介绍。http://t.csdnimg.cn/Gu1kihttp://t.csdnimg.cn/Gu1ki或者查阅《FeeLink使用手册》，其从附件或百度网盘中下载。

---

 五、下载链接

1、百度网盘

（1）FeeLink软件
链接: 百度网盘 请输入提取码
提取码: m7mb
（2）FeeLink支持软件
链接: https://pan.baidu.com/s/1cdG944yNi26hdy8HIUgX1A?pwd=niaa
提取码: niaa

2、GitHub（暂未更新）

icexiaoyou/FeeLink: A deep learning toolset, free & easy & graphical. (github.com)https://github.com/icexiaoyou/FeeLink/tree/main

---

六、反馈建议

软件中提供了反馈按钮，可通过邮箱或直接在评论区报错或提出建议，感谢您的支持！

---

七、鸣谢

感谢Pyside、Pytorch、Ultralytics，因为它们，才有FeeLink。

---

八、声明

工具集由博主独立开发，转载请附上本文链接。