【零基础上手yolov5】yolov5的安装与相关环境的搭建

一、yolov5介绍

 YOLO 是 “You only look once” 缩写 , 是将图像划分为网格系统的对象检测算法,网格中的每个单元负责检测自身内的对象。
 由于其速度和准确性,YOLO是最著名的目标检测算法之一。yolov5作为YOLO系列第五个迭代版本,它的一个特点就是权重文件非常之小,可以搭载在配置更低的移动设备上,而且容易学习上手。

在这里插入图片描述
(yolov5各个权重文件的测试效果)


二、写在前面

 博主也是最近开始玩yolov5的,甚至也是最近开始使用python的,很多东西都没有接触过,因此搭建环境的过程也比较痛苦,所以想写篇博客记录一下,希望同样是零基础的小伙伴们可以更加轻松的上手。同时大家如果发现了错误和理解偏差,欢迎指正。

参考资料:
1.史上最详细yolov5环境配置搭建+配置所需文件
2.理解Python虚拟环境
3. 半小时搞定Yolov5安装配置及使用(详细过程)


本教程所使用版本:

  • pycahrm:2021.3.3
  • Anconda:2022.05
  • python:3.9
  • yolov5:v6.2

踩坑经历:

  • 路径中就不要有短横杠-以及空格等等特殊字符,中文更不能要有❗。否则在之后训练时会出现各种路径找不到的问题😭
  • 使用pip等下载指令时最好不要挂VPN,否则可能会下载失败

三、Anconda 与 pycharm 的安装

1.是什么?

Anconda本质是一个开源的 Python 包管理器,包含了180多个科学包及其依赖项,是基于 conda 的 Python 数据科学和机器学习开发平台。
 而python自身缺少numpy、matplotlib、scipy、scikit-learn等一系列包,需要 pip安装来导入这些包才能进行相应运算。

Pycharm本质是一个集成开发环境,能过让你快速运行调试代码。

2.为什么需要Anconda?

Anconda除了提供丰富的科学包外,还可以用于进行环境隔离。当我们安装一个 Python 程序或者库的时候,这些包默认都会安装到 Python 当前环境的 site-packages 目录下面。然而,同一个库只能在一个环境中存在一份
 不妨试想这样一个场景:程序A依赖的xxx库要求版本 >=1.23.0,程序B同样依赖xxx库,但是要求版本低于 <= 1.21.0,这样就会出现版本冲突问题。
 所以虚拟环境的意义在于,防止不同的python项目需要依赖的版本不同导致的各种冲突问题。

3.安装教程

>博客教程链接


四、yolov5安装

1.yolov5的源码下载

在这里插入图片描述

方法一:git clone到本地本地仓库
[指令]:git clone https://github.com/ultralytics/yolov5

方法二:直接安装压缩包
没有安装 git 的朋友可以直接点击Code下载压缩包
在这里插入图片描述

2.预训练模型下载

在这里插入图片描述

 为了缩短网络的训练时间,并达到更好的精度,我们一般加载预训练权重进行网络的训练。
 yolov5的6.2版本给我们提供了以上几个预训练权重,我们可以对应我们不同的需求选择不同的版本的预训练权重。在实际场景中是比较看这种速度,所以YOLOv5s是比较常用的。

 将安装好的预训练模型放在yolo文件下(其实位置没有严格要求,在下篇训练自己的数据集时就会明白)
在这里插入图片描述

3.安装yolov5的依赖项

 使用pip install -r requirements.txt即可安装requirement.txt(见上)中所需要的依赖项,具体做法见下:

 在yolov5文件夹下输入cmd快速切换路径到当前文件夹下,否则需要用cd指令切换到当前文件夹下。

【🎯易错】:一定要切到该文件夹下,否则下载时会提示:
ERROR: Could not open requirements file: [Errno 2] No such file or directory: 'requirements.txt'
在这里插入图片描述

 我们首先创建一个名为 pytorch 的虚拟环境,并且切换到当前虚拟环境下。conda常用指令如下:

  • 创建虚拟环境:conda create -n [虚拟环境名] python=[版本]
  • 显示虚拟环境:conda env list
  • 激活虚拟环境:conda activate + [虚拟环境名]

(📋贴士:将conda源换成国内镜像源,下载速度会快不少Anaconda换国内源教程;同样pip;同样pip也推荐大家换源,大家可以自行搜搜换源方法)
在这里插入图片描述
首次激活虚拟环境时可能会遇到这样的问题,解决办法也提示了,使用conda init [SHELL_NAME]配置命令解析器后重启即可。Windows一般都装有 cmd.exe,因此我们可以使用cmd.exe作为解释器: conda init cmd.exe
在这里插入图片描述
(我们成功进入到pytorch虚拟环境中)
输入pip install -r requirements.txt指令进行安装,安装完成我们可以在 XXX\Anconda\envs\pytorch\Lib\site-packages路径下看到我们安装的各种依赖库。

4.检测是否安装成功

 运行yolov5文件夹下的detect.py文件,若正常运行则说明yolov5安装成功,运行结果可以runs\文件夹下看到。在这里插入图片描述

5.扩展:pip install 与 conda install区别

>博客推荐:全面总结 pip install 与 conda install 的使用区别


五、labelimg的安装

 我们使用labelimg标注图片,构建自己的数据集。labelimg的安装也很简单,使用pip install labelimg即可
在这里插入图片描述
在这里插入图片描述
 从上面两种图中我们也可以看出虚拟环境的意义,它可以避免版本冲突。如果遇到了图二中的错误,首先把版本冲突的软件删掉,再下载符合版本要求的软件。参考指令如下:

  • 删除指定软件:pip uninstall XXX
  • 显示某个XXX软件所有可用版本:pip install XXX==

label的使用说明将在下一篇博客中具体呈现

>【零基础玩转yolov5】yolov5训练自己的数据集(最新最全版)

  • 85
    点赞
  • 700
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 28
    评论
搭建yolov5环境配置,可以按照以下步骤进行操作。首先,你需要安装Anaconda和PyCharm。\[3\]安装Anaconda的目的是为了创建一个独立的Python环境,以便于管理和配置yolov5所需的依赖项。在安装Anaconda之后,你可以使用Anaconda Navigator或者命令行来创建一个新的Python环境。接下来,你需要下载yolov5的源码和预训练模型。\[3\]你可以在GitHub上找到yolov5的源码,并从官方网站下载预训练模型。然后,你需要安装yolov5的依赖项。\[3\]你可以使用命令行来安装所需的依赖项,例如torch、opencv等。安装完成后,你可以通过运行一个简单的检测脚本来验证是否成功安装yolov5。最后,你可以安装labelimg来制作和标注自己的数据集。\[3\]labelimg是一个常用的图像标注工具,可以帮助你标注图像并生成相应的标签文件。通过按照以上步骤进行操作,你就可以成功搭建yolov5环境配置了。 #### 引用[.reference_title] - *1* *2* [史上最详细yolov5环境配置搭建+配置所需文件](https://blog.csdn.net/qq_44697805/article/details/107702939)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [【零基础上手yolov5yolov5安装相关环境搭建](https://blog.csdn.net/whc18858/article/details/127131741)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“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
提交
评论 28
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

罅隙`

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值