下载地址：YOLOv5码源下载
进不去的同学找个梯子哦。
有梯子的同学可以忽略这一步。
没有梯子的话，通过程序下载模型会很慢，所以还是建议通过GitHub官方去下载。
这边也放上下载地址：YOLOv5模型下载
页面向下拉看到下图页面，直接点击，即可下载。
没有梯子的同学，需要的话留言，我会放上百度云连接。
我用的是Anaconda虚拟环境，具体环境配置我会单独写一篇文章。
将下载下来的yolov5-master.zip文件解压。
接下来就是配置环境了。
打开Anaconda prompt输入如下代码，进入虚拟环境。这边的虚拟环境是自定义的虚拟环境，activate后面加的是你自定义的虚拟环境。
activate pytorch
打开程序可以看到有一个requirements.txt文件，我们通过这个文件来安装没有的包。
在终端虚拟环境中输入如下代码安装requirements.txt中所需要的包。
pip install -r requirements.txt
这边要注意一点，一定去找到requirements.txt当前所在的文件夹去安装，不然会出错。
ERROR: Could not open requirements file: [Errno 2] No such file or directory: ‘requirements.txt’
按照如下操作通过终端进入解压后的文件夹。
博主是将压缩包解压在D盘，因此输入
d:
进入D盘。
点击解压后的文件夹，查看属性，这一步主要是要查看文件夹所属路径。如果文件放得比较浅，可以直接敲。
在终端输入进入文件夹
cd Downloadyolov5-master
cd后面跟的就是你的解压后文件夹路径，这里就是博主所放的一个路径。
接着就可以安装requirements.txt中所需要的包啦。
输入指令
pip install -r requirements.txt
没有出现错误就是安装成功啦。
在PyCharm平台上打开detect.py，直接点击运行，看看有没有出错，博主当时下载完模型后是没有出错的，在yolov5-masterdataimages文件夹中有两张照片，你也可以放上在自己的照片，进行预测。
预测后的结果在yolov5-masterrunsdetectexp8文件夹中，里面有检测物体方框，物体类别和预测的置信度。如图所示。
预测后图片。
当然，如果你想提高检测的置信度，可以改变模型，将原来
parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'yolov5s.pt', help='model path(s)')
中的模型改成其他的模型，这里的模型从官网下载后的模型。
例如，改成yolo5m.pt这个模型，将原代码改成
parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'yolov5m.pt', help='model path(s)')
即可。
可以看到检测结果置信度有明显提升，当然，模型越大检测的速度就会越慢。
累了，明天继续train的部分
如果有没有gpu的朋友，还会出Google colab远程服务器的教程，看心情写，进行就先这样。
detect.py文件运行有错误的可以留言一起讨论哦~
