yolov5环境配置详解（比较长）

于 2024-07-28 17:29:42 发布
阅读量218 收藏 2
点赞数 1
分类专栏： python Yolov5 文章标签： YOLO
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zut202304154126/article/details/140741700
版权

环境配置

把下载的源码解压一下打开yolov5文件夹

接着打开requirements会显示所需的包以及版本要求

接着win+r输入cmd打开命令行窗口

输入conda env list 会例举出现在的conda环境

如果没有创建环境只有一个base

紧接着我们创建一个环境

输入 conda create -n yolo_v5 python=3.8 创建一个python环境

python=3.8这串代码意思是选择3.8版本的python，因为比较稳定

在运行结束后会出现以下情况

是要先激活这个环境才可以装东西紧接着输入 conda activate yolo_v5 

接下来去到下载的源码的文件夹下面这里输入的代码就是你的文件路径了

这种情况就是已经进去了找到requirements用vscode打开

在这我已经把">"全部改成"=",你们到时候自己改一下

然后把torch和torchvision注释掉选择手动安装（在另一个文章里）

紧接着就要安装库了也就是上图的pip install -r requirements.txt进行安装

安装好后用vscode打开yolov5

安装一下所需扩展

之后按住CTRL+shift+p找到选择解释器，找到我们刚才配置的环境yolov5来运行这些文件就可以了

励志学好所有
关注
专栏目录
【YOLOV5 入门】——环境配置（Miniconda/Pytorch/YOLOv5/PYPI镜像源）
weixin_51658186的博客
03-25 2601
YOLOv5用些新技术来提高训练和推理的效率，例如自动数据增强和模型压缩等。提高模型的鲁棒性和泛化能力，例如采用新的数据增强技术和正则化方法等。更深的网络结构和更高级的特征提取技术，从而使其在目标检测任务上表现更好。
yolov5部署
jacke121的专栏
09-29 8449
https://github.com/WZTENG/YOLOv5_NCNN https://github.com/TrojanXu/yolov5-tensorrt 工程中有模型： https://github.com/SeanAvery/yolov5-tensorrt
YOLO5环境配置总结
weixin_44015161的博客
04-17 195
5.最坑的来了 工程用的YOLO5-4.0 但是如果完全按照requirements.txt文件里面的来 有些库会不适配，比如：Pillow。老子注册CSDN至少10年了 你居然还说我等级不够添加不了自定义标签，哈哈，我服了。错一点都不行，这个环境装起来真麻烦，好在，哈哈，我现在最不缺的就是时间！2.Python 最终版本要是3.9.18。这个库一开始装了9.3 但是根本不能用。4.我的电脑装cuda只能装10.2。1.花了好几天，终于配好了，开心。
5分钟极速｜YOLOv5部署｜Windows Linux 树莓派
是哪一个小可爱来看我了
07-17 713
5分钟极速部署YOLOv5，让你早点休息！
部署yolov5
海涛高软
05-12 279
备注:也可以使用pip install。1 创建一个yolov5的环境。网站下载pytorch。
YOLOV5环境配置
qq_53962503的博客
07-24 3704
YOLOV5环境配置
【YOLO系列】YOLOv5超详细解读（源码详解＋入门实践＋改进）
路人贾的博客
03-03 13万+
一文带你详细了解YOLOv5（含YOLO系列论文讲解+源码详解+入门实践+算法改进）
yolov5配置文件详解
09-09
然而，引用提供了一份记录了Windows 10系统下yolov5环境配置的全过程的文章，包括yolov5的细节、使用和自定义数据集的方法。此外，引用也提到了一些关于yolov5的特点，如权重文件较小，可以在配置较低的移动设备上...
YOLOv5入门实践（1）——手把手带你环境配置搭建
路人贾的博客
04-06 1万+
YOLOv5入门实践第一步，手把手带你配置环境
yolov5-使用Python+Yolov5实现路面桥梁裂缝检测识别算法.zip
03-05
《基于Python和YOLOv5的路面桥梁裂缝检测识别算法详解》 YOLO（You Only Look Once）是一种高效的目标检测框架，自2016年首次提出以来，因其实时性、准确性以及简洁的设计受到了广泛关注。YOLOv5是其系列的最新版本...
手把手带你调参YOLOv5 (v5.0-v7.0)（推理）
热门推荐
YOLOv8项目贡献者
04-24 14万+
解析YOLOv5项目中detect.py文件27个参数含义
基于Yolov5环境配置详解（真的很方便很简单）
不会拍照的博客
07-12 3万+
本文主要讲解了如何配置Yolov5的运行环境在竞赛期间接触了机器视觉，为了完成对各种垃圾的目标检测，我用了yolov5模型去实现。刚开始的配置环境的时候用了两周的时间，还会遇到各种报错；主要是版本问题，因为要对应Jeston nano的环境（也可能不需要对应）；如果只要给电脑配置环境就很简单了。
YoloV5 的部署【详解】
qq_23022733的博客
07-04 2244
YoloV5部署
YOLOv5——云服务器部署
m0_50006870的博客
09-03 3937
恒源云搭建云服务器，并部署yolov5环境和代码，进行训练
YOLOv5训练部署
Albert_yeager的博客
02-04 1697
本文以coco128数据集为例，完成YOLOv5的训练部署，如何自制数据集我会在下一篇博客详细讲解。
Yolov5简单部署（使用自己的数据集）
omit250的博客
04-29 1049
YOLOv5是一种基于深度学习的目标检测算法，它是YOLO（You Only Look Once）系列的最新版本。与以往的版本相比，YOLOv5具有更快的速度和更高的准确性。YOLOv5是一个开源项目，它在各种场景下都取得了很好的效果，包括。设置环境变量 ：D:\ProgramData\miniconda3\condabin\conda.bat。更新 pip ：python -m pip install --upgrade pip。大佬的文章（侵权请联系，马上删除），做的工作为。pip 清华源 -i。
yolov5的完整部署
最新发布
qq_41478219的博客
07-26 1170
File -> Settings -> Project:yolov5 -> Python Interpreter -> add -> Conda Enviroment -> Existing Enviroment -> 选择你的虚拟环境路径 -> ok。下载完整代码后，并把下面的YOLOv5s下载到上面项目文件的目录下，它是模型的预训练权重文件，官方提供了5个模型训练权重，也可把其他文件也下载本地，进行对比。下载并安装后，配置下载镜像源，因为有的库的服务器在国外，我们直接安装会很慢，这时候需要。
YOLOv5入门 | 环境配置模型训练完整教程（研0小白必备，手把手教学）
kay_545
05-08 2470
yolov5创新，yolov5环境配置，yolov8
yolov5本地部署
wwm2003____的博客
05-29 238
（anaconda里面）执行python detect.py --weights helmet_head.pt --source 0。执行命令conda create -n yolov5 python=3.10。出现这个图标即可，之后的操作都需要在这个yolov5的虚拟环境下进行操作。执行命令pip install ultralytics。将训练好的安全帽识别文件放置在文件夹里。一、配置Anaconda。二、克隆yolov5仓库。
vscode python环境配置yolov5
09-21
要在VSCode中配置Python环境以使用YOLOv5，您可以按照以下步骤进行操作： 1. 首先，在您的计算机上安装Anaconda。您可以从官方网站上下载并按照提示进行安装。 2. 打开Anaconda Navigator，并在环境管理页面创建一个新的环境。选择您喜欢的环境名称，然后选择Python的版本。 3. 在创建完环境后，可以在终端中激活该环境。在终端中输入以下命令： ``` conda activate 环境名称 ``` 4. 进入YOLOv5的GitHub页面（https://github.com/ultralytics/yolov5）并下载最新的源代码。 5. 打开VSCode，并打开YOLOv5的项目文件夹。 6. 在VSCode的左下角选择您刚创建的环境作为Python解释器。这样VSCode就会使用该环境来运行代码。 7. 现在您可以在VSCode中使用YOLOv5了。您可以在终端中输入以下命令运行YOLOv5的训练或测试脚本： ``` python train.py --data 数据集配置文件 --cfg 模型配置文件 ``` 希望以上步骤对您有所帮助！如果您还有其他问题，请随时提问。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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