yolov5的安装

环境的配置

yolov5是使用pytorch实现，torch支持GUP加速，需要CUDA和cuDNN支持

再下载英伟达显卡驱动的时候会带有cuda,如果下载了驱动，再cmd中使用

nvidia-smi

版本最好是10或10.1 如果已经是10或10.1之后就可以不再安装

官网的cudnn下载需要登录，而且是开发者，可以去注册认证，但个人感觉比较麻烦，可以直接在anaconda中安装，同CUDA也可以在其中安装

Anaconda安装

可以到Anaconda光网去安装，安装最新版即可

官网网址：https://www.anaconda.com/

但是官网的龟速下载太慢

可以使用清华的源

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

下载之后安装即可

注意

勾选all user

和add to path

忘记勾选也可以手动去添加环境变量

vscode安装，自选，也可使用其他编辑器或IDE

安装完成之后

在cmd如输入

conda activate base #base 是conda 的基础环境

出现下面这个即为安装成功

之后创建虚拟环境

conda create -n name python=3.7 #name 为你指定的虚拟环境名字 使用3.7版本python

进入虚拟环境

conda activate name #deactivate 退出当前虚拟环境

例：

conda create -n yolov5 python=3.7 conda activate yolov5

yolov5下载

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

下载zip解压即可

依赖环境的安装

在正是安装之前更换源

在conda内使用

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/ conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/ conda config --set show_channel_urls yes

cuda和cudnn的安装

conda activate name conda install cudatoolkit=10.1 cudnn=7.6.5

文件较大，等待安装完成即可

pytorch安装

pip install torch==1.6.0 -f https://download.pytorch.org/whl/torch_stable.html pip install torchvision==0.7.0 -f https://download.pytorch.org/whl/torch_stable.html #逐条执行

在虚拟环境中启动python，输入指令测试是否安装成功

import torch print(torch.cuda.is_available()) #返回True则说明已经安装了cuda from torch.backends import cudnn print(cudnn.is_available()) #返回True则说明已经安装了cuDNN

其余环境的安装

在解压后的yolov目录中

torch在其requirements.txt是有pytorch安装，但是pip在无法直接安装这个版本，上个步骤是直接从官网中下载

此处需要将其注掉

conda中来到项目文件

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U -r requirements.txt

等待安装完成即可

测试

python detect.py --source 0 #使用官方训练好的模型 0 为本机摄像头 官方文档有更详细说明

英文下 按 q 退出

在detect.py中可修改