YOLOv5环境配置

本文内容参考如下博客：

深度学习目标检测：yolov5环境配置，适合0基础小白，超详细-CSDN博客文章浏览阅读2.8w次，点赞178次，收藏658次。本文详细指导了如何在Windows系统上检查电脑配置，安装Anaconda3和Pycharm，创建并配置虚拟环境以安装PyTorch（包括GPU和CPU版本），以及配置和验证yolov5环境的过程，适合深度学习初学者和开发者参考。https://blog.csdn.net/qq_67105081/article/details/138232424具体步骤如下（供自己记录学习用）。

目录

 

1.查看电脑状况，“任务管理器-性能-GPU”，看是否有独立显卡

2.安装Anaconda3+Pycharm

3.创建虚拟环境，安装pytorch

3.1创建虚拟环境

3.2安装cuda，pytorch

3.2.1安装cuda

3.2.2 安装pytorch（GPU版）

4.配置yolov5环境

4.1下载YOLO源码

4.2安装yolov5所需库

4.3 Pycharm打开yolov5

5.验证环境

1.查看电脑状况，“任务管理器-性能-GPU”，看是否有独立显卡

2.安装Anaconda3+Pycharm

我之前安装好了，所以此步骤跳过了。

3.创建虚拟环境，安装pytorch

3.1创建虚拟环境

打开anaconda prompt

默认进入的是base环境，此时需要新建环境，在新建环境之前建议更改默认的pip源和conda源。

更改代码如下，直接输入即可，这里选择更换的是中科大源。

conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

此时新建虚拟环境（需要关闭加速软件），这里创建一个名为yolov5，python版本为3.9的虚拟环境

conda create -n yolov5 python=3.9

显示如下则正常创建，输入y 并回车:

创建完之后输入：

conda activate yolov5

此时已进入了yolov5环境中：

3.2安装cuda，pytorch

3.2.1安装cuda

在安装pytorch前需要安装cuda，（若无显卡则跳过）下载cuda前需要先查看显卡支持的CUDA版本最高是多少，按下win+r键，输入cmd，在打开的页面输入：nvidia-smi ，即可查看

上图红框位置显示即为cuda最高支持版本，本教程最高版本达到11.8即可，若没有达到则需要更新显卡驱动。

CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive

在这个网站挑选下载或者使用夸克网盘下载或者点击下载。

下载好后运行安装，建议安装在C盘：

该界面选自定义，全部打钩，点击下一步：

安装完成后在cmd里输入nvcc -V，显示如下即代表安装成功：

（1）进入cudnn官网，选择合适版本的文件：

cuDNN Archive | NVIDIA Developer

（2）或直接点击这个链接下载下载cudnn（我用的这个）

解压后显示如下：

将得到的压缩文件进行解压，解压后得到下图三个文件夹，全选复制进cuda的文件夹中进行覆盖替换，替换完成后即cudnn安装完成。按照本文教程安装的cuda的文件夹默认在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8 目录下。

3.2.2 安装pytorch（GPU版）

打开prompt 输入conda activate yolov5进入yolov5环境，之后输入如下代码即可安装pytorch,耐心等待安装完成（需要注意关闭加速软件否则会下载失败）

pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 --extra-index-url https://download.pytorch.org/whl/cu118

安装成功页面如下图所示：

完成后，再输入下面的指令通过pip安装其余库：

pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 --extra-index-url https://download.pytorch.org/whl/cu118

安装完成页面如下图所示：

4.配置yolov5环境

4.1下载YOLO源码

（1）github官网地址（代码一直在更新）：

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

（2）点击网盘下载（压缩包内附带yolov5n.pt和yolov5s.pt）。

下载完成后解压

4.2安装yolov5所需库

需要通过anaconda prompt 进入yolov5环境中，按照下图cd到yolov5根目录下，我的是E:\yolov5test20250808\yolov5-7.0\yolov5-7.0。之后输入指令“pip install -r requirements.txt”。

指令代码：

pip install -r requirements.txt

点击回车，耐心等待安装完毕。（我的warning是因为 Python 的distutils配置文件(setyp.cfg)的编码问题有关，不影响环境的正常安装和使用）界面如下：

至此yolov5环境全部安装完成。撒花！

4.3 Pycharm打开yolov5

点击鼠标右键yolov5文件夹通过pycharm打开，打开后需要配置虚拟环境：

英文版：点击file-settings，点击project：ultralytics，点击python interpreter，点击右边add....。

我是中文版，界面和步骤如下：

（小tip：上述这步找不到这个路径时，可以打开 Anaconda Prompt，输入命令“conda env list”。输出中，左侧是环境名称，右侧对应的路径就是该虚拟环境的安装位置。）

设置好后界面如下：

5.验证环境

此时可以去网上下载一只猫猫的jpg图片，将其放到data/images目录下。检测环境是否有问题可以运行detect.py。显示如下界面说明运行成功，环境配置正常。

顺着路径可以看到如下运行结果：

以上就是yolov5的环境配置及成功运行，下一篇将讲述如何训练自己的数据集并修改权重参数。