MAC下yolov5环境配置(超级详细总结)
<div class="operating">
<a class="href-article-edit slide-toggle">版权</a>
</div>
</div>
</div>
</div>
<article class="baidu_pl">
<div id="article_content" class="article_content clearfix">
<link rel="stylesheet" href="https://csdnimg.cn/release/blogv2/dist/mdeditor/css/editerView/kdoc_html_views-1a98987dfd.css">
<link rel="stylesheet" href="https://csdnimg.cn/release/blogv2/dist/mdeditor/css/editerView/ck_htmledit_views-044f2cf1dc.css">
<div id="content_views" class="markdown_views prism-atom-one-dark">
<svg xmlns="http://www.w3.org/2000/svg" style="display: none;">
<path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path>
</svg>
<h3><a name="t0"></a><a id="MACyolov5_0"></a>MAC下<a href="https://so.csdn.net/so/search?q=yolov5&spm=1001.2101.3001.7020" target="_blank" class="hl hl-1" data-report-click="{"spm":"1001.2101.3001.7020","dest":"https://so.csdn.net/so/search?q=yolov5&spm=1001.2101.3001.7020","extra":"{\"searchword\":\"yolov5\"}"}" data-tit="yolov5" data-pretit="yolov5">yolov5</a>环境配置(超级详细总结)</h3>
测试 github 上的 ultralytics / yolov5 Tag6.1
(如果下载5.0版本,可能会出现SPPF等问题,也查了但是还是没有解决,索性就下载了最新的版本了,具体如下)
1. 下载anaconda环境
直接去官网下载即可,网址如下:
https://www.anaconda.com/
安装的话,我是安装在默认路径下了,一直点击继续即可完成!
在终端输入下面命令可以查看版本号,即为安装成功。
$ conda --version
- 1
2. 下载pycharm
可以在官网进行下载:
https://www.jetbrains.com/pycharm/
点进去以后,可以选择下载社区版或者专业版(前者为免费使用,后者需要付费)
镜像下载完以后点击就可以使用pycharm了。
3.在GitHub上下载源码
GitHub源码网址:https://github.com/ultralytics/yolov5/tree/v6.1
将下载好的压缩包保存至一个没有中文的路径下,点击打开pycharm,上面有三个按钮,选择open按钮,在路径中找到刚刚的源码保存路径,即可在pycharm中打开项目了。
⚠️此时可能会跳出一个框,让你配置环境,先直接关掉!(别管这个,我们后面再配置环境)
打开anaconda,在左侧选择environments,会在右边显示一个base(root)的环境,如果你想在这个环境中配置yolov5,则不需要创建新的环境(不需要操作下面a步骤)。此处我创建了一个新环境(yolo_test)。
a.点击下面的create按钮,如下:
点击创建。
在点击使用环境的后台,如下:
运行下面命令:
$ cd /users/...... #此处为源码所在路径
$ pip install -r requirements.txt #通过运行requirements.txt,下载所需要的工具
- 1
- 2
关闭终端页面。
点击进入环境的python命令行:
在命令行中输入下面的命令:
>>> import torch
>>> model = torch.hub.load('ultralytics/yolov5', 'yolov5s')
>>> img = 'https://ultralytics.com/images/zidane.jpg'
>>> results = model(img)
>>> results.show()
- 1
- 2
- 3
- 4
- 5
然后就会弹出一张图,如下:
到此,就说明你的conda环境🆗了!
如果你使用命令行的方式运行detect.py文件,可以参考README.md文件中的Inference with detect.py这个模块,下面我是使用pycharm点击运行detect.py的相关配置。
刚刚说到pycharm点击open打开项目,我们继续
点击preferences按钮,如下:
会出来一个框,选择项目的python interpreter,如下:
有一个add选项,点进去
选择已经存在的环境,点击右侧的三个点按钮,选择/Users/(此处为自己的设置名字)/opt/anaconda3/envs/yolov5_test,选中该文件夹下的/bin/python即可。apply一下,点击OK环境就配置好了!
在pycharm的右上角,有一个add/edit configurations按钮,点进去后,在左侧添加一个python项目,右侧先修改布局名字,然后下面的script path选中源码所在文件夹下的detect.py文件,下面的python onterpreter选择刚刚设置的环境名,下面的work path 同样选择源码所在文件夹即可。
到这里所有的配置都结束了,我们可以点击运行,试一下了!
BUT!!!!我在运行的时候出现了错误,如下:
此时不要慌!
我百度了一下,发现了一篇很有用的文章:
https://blog.csdn.net/qq_35207086/article/details/123879980
按这篇文章的做法改完,就一切正常啦!!!
我这篇文章可能有点啰嗦,但是虽然简简单单的几步,我也错了很多次,中间也求助了其他小伙伴,最终调试成功!!所以想把步骤总结一下😊,如果哪里有问题欢迎大家指出来,也希望这篇文章有用吧~
-
16
点赞 - 踩
-
100
收藏觉得还不错? 一键收藏 -
<a class="tool-item-href go-side-comment" data-report-click="{"spm":"1001.2101.3001.7009"}"> <img class="isdefault" src="https://csdnimg.cn/release/blogv2/dist/pc/img/newComment2021Black.png" alt=""> <span class="count" style="color: rgb(153, 154, 170);">0</span> </a> <div class="tool-hover-tip"><span class="text space">评论</span></div> </li> <li class="tool-item tool-item-bar"> </li> <li class="tool-item tool-item-size tool-active tool-QRcode" data-type="article" id="tool-share"> <a class="tool-item-href" href="javascript:;" data-report-click="{"mod":"1582594662_002","spm":"1001.2101.3001.4129","ab":"new"}"> <img class="isdefault" src="https://csdnimg.cn/release/blogv2/dist/pc/img/newShareBlack.png" alt=""> </a> <div class="QRcode" id="tool-QRcode"> <div class="share-bg-icon icon1 icon2" id="shareBgIcon"></div> <div class="share-bg-box"> <div class="share-content"> <img class="share-avatar" src="https://i-blog.csdnimg.cn/blog_migrate/6a67c18de8429ddea8272aaee7219e17.jpeg" alt=""> <div class="share-tit"> MAC下yolov5环境配置(超级详细总结) </div> <div class="share-dec"> MAC下配置yolov5(总结)测试 github 上的 ultralytics / yolov5 Tag6.11. 下载anaconda环境直接去官网下载即可,网址如下:https://www.anaconda.com/安装的话,我是安装在默认路径下了,一直点击继续即可完成!在终端输入下面命令可以查看版本号,即为安装成功。$ conda --version2. 下载pycharm可以在官网进行下载:https://www.jetbrains.com/pycharm/点进去以后, </div> <a id="copyPosterUrl" class="url" data-report-click="{"spm":"1001.2101.3001.7493"}">复制链接</a> </div> <div class="share-code"> <div class="share-code-box" id="shareCode"><canvas width="65" height="65"></canvas><img style="display: none;"></div> <div class="share-code-text">扫一扫</div> </div> </div> <div class="share-code-type"><p class="hot" data-type="hot"><span>热门</span></p><p class="vip" data-type="vip"><span>VIP</span></p></div> </div> </li> </ul> </div> <div class="toolbox-right">
![](https://i-blog.csdnimg.cn/blog_migrate/c435921c498fd8cf48f9f07527be548a.png)
![](https://i-blog.csdnimg.cn/blog_migrate/c435921c498fd8cf48f9f07527be548a.png)
![](https://i-blog.csdnimg.cn/blog_migrate/c435921c498fd8cf48f9f07527be548a.png)
![](https://i-blog.csdnimg.cn/blog_migrate/c435921c498fd8cf48f9f07527be548a.png)
![](https://i-blog.csdnimg.cn/blog_migrate/c435921c498fd8cf48f9f07527be548a.png)
![](https://i-blog.csdnimg.cn/blog_migrate/c435921c498fd8cf48f9f07527be548a.png)
![](https://i-blog.csdnimg.cn/blog_migrate/c435921c498fd8cf48f9f07527be548a.png)
![](https://i-blog.csdnimg.cn/blog_migrate/c435921c498fd8cf48f9f07527be548a.png)
![](https://i-blog.csdnimg.cn/blog_migrate/c435921c498fd8cf48f9f07527be548a.png)
有显卡驱动的,可以直接在桌面右键,找到英伟达驱动控制面板打开就好了。
显卡驱动的下载地址
安装(更新)好了显卡驱动以后。我们按下win+R组合键,打开cmd命令窗口。输入如下的命令。
nvidia-smi
得到如下图的信息图,可以看到驱动的版本是496.76;最高支持的CUD
![](https://i-blog.csdnimg.cn/blog_migrate/c435921c498fd8cf48f9f07527be548a.png)
![](https://i-blog.csdnimg.cn/blog_migrate/c435921c498fd8cf48f9f07527be548a.png)
![](https://i-blog.csdnimg.cn/blog_migrate/c435921c498fd8cf48f9f07527be548a.png)
![](https://i-blog.csdnimg.cn/blog_migrate/c435921c498fd8cf48f9f07527be548a.png)
![](https://i-blog.csdnimg.cn/blog_migrate/c435921c498fd8cf48f9f07527be548a.png)
-
安装Python:确保你的系统上已经安装了Python。YOLOv5建议使用Python 3.7或更高版本。
-
创建虚拟环境(可选):为了保持工作环境的干净和隔离,你可以使用虚拟环境。你可以使用venv或conda创建一个新的虚拟环境。
-
安装依赖库:在虚拟环境中运行以下命令安装YOLOv5所需的依赖库:
pip install -r requirements.txt
-
下载YOLOv5源代码:你可以从YOLOv5的GitHub仓库下载源代码。使用git命令克隆仓库到本地:
git clone https://github.com/ultralytics/<em>yolov5</em>.git
-
切换到源代码目录:进入刚刚克隆下来的源代码目录:
cd <em>yolov5</em>
-
下载预训练权重文件(可选):如果你想要使用预先训练好的权重文件进行目标检测,你可以下载官方提供的权重文件,或者使用自己训练好的权重文件。
-
运行YOLOv5:你可以通过运行以下命令来测试YOLOv5:
<em>python</em> detect.py --source 0 # 使用摄像头输入
这将打开摄像头并进行实时目标检测。你也可以使用图像文件或视频文件作为输入。
以上是YOLOv5环境搭建的基本步骤。根据你的实际需求和操作系统,可能还需要额外的配置或安装其他依赖项。请确保按照文档提供的说明进行操作。祝你成功!
“相关推荐”对你有帮助么?
-
非常没帮助
-
没帮助
-
一般
-
有帮助
-
非常有帮助