运行YOLOv5带图解小白入门 --【环境配置篇】

心平气和按照流程操作，万不可急于求成。

目录

1. 下载YOLO代码工程

2. 配置所需环境

3. 修改相应配置文件及代码

4. 训练

---

1. 下载YOLO代码工程

        我先声明，因为yolov5一直在不断更新，我们以YOLOv5-v7.0版本展开。

        Gitcode下载链接：文件 · v7.0 · mirrors / ultralytics / yolov5 · GitCode（因为经过加速了）。

        点击进入后，跟着图片步骤操作即可。

         本地解压后用Pycharm打开，我不建议小白用shell命令操作，跟着我的步骤可以对各个环节了解的更直观一些。

         在终端输入下边命令回车 （作用是创建一个环境）

conda create -n 自定义环境名 python==3.8
例如：
conda create -n qwe python==3.8

         等它运行完就完成了环境的创建。

2. 配置所需环境

        紧接以上步骤 继续在终端输入指令（下载代码运行所需要的依赖库）。

1.首先我们进入刚才创建的环境 
conda activate 环境名字
如果不知道的话输入(可以看见所有环境)，然后可以看见你创建的环境名字，按照上一行命令执行
conda env list 

2.下载所需依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

        运行完毕即可完成环境的配置。（注：这里是CPU版本，并未用上cuda，如果有英伟达GPU的同学，单独更换torch、torchvision版本即可，只想入门学习的话可以忽略）

3. 修改相应配置文件及代码

        1. 设置数据集路径和类别信息，图片和标签文件不会放的话参考我上一篇文章。

        很多同学对路径怎么写很迷糊，如果是按照我上篇文章的操作。

        我举个例子，我的数据集在E:/Dataset下，然后Dataset文件夹中分别有train、val俩个文件夹，这个时候我们只需在path 后边填写为E:/Dataset ,train后边填train，val后边填val即可。

         2.修改类别数量

         3.修改训练参数

                可以看到参数有很多，我这里只修改一些必要参数，你们后边可以自己研究。

                 如果是在自己的电脑上运行，找到这行，将其改为0

                 到这里这一步就已经修改完成。

4. 训练

        下面我们可以开始进行训练了.

还是像之前一样 终端输入
python train.py

        第一次运行、如果是笔记本的话运行会很慢，耐心等待即可，如有报错，请参考我主页有很多文章是讲解关于解决YOLO运行报错的。