Yolov5环境配置 配不好来打我

Yolov5环境安装及配置详细教程

• 文件准备
• • Pycharm下载链接
  • Anaconda下载链接
  • Yolov5源码下载地址链接
  • CUDA下载地址
  • CUDNN下载地址
• 环境配置
• • Pycharm安装
  • Anaconda安装
  • CUDA安装
  • CUDNN安装
  • 使用Anaconda配置环境
• 第一次目标检测

文件准备

可以将这些文件都下载好放置在桌面上 再进行环境配置这一步操作

Pycharm下载链接

https://www.jetbrains.com/pycharm/download/download-thanks.html?platform=windows&code=PCC

（打开链接直接下载即可）

Anaconda下载链接

官方链接：（下载速度慢，不推荐）

https://repo.anaconda.com/archive/Anaconda3-2022.05-Windows-x86_64.exe

镜像网站链接：（下载速度快，强烈推荐）

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2022.05-Windows-x86_64.exe

（打开链接直接下载即可）

Yolov5源码下载地址链接

Yolov5-5.0加速下载链接：https://archive.xn–gzu630h.xn–kpry57d/ultralytics/yolov5/archive/refs/tags/v5.0.zip

Yolov5-5.0Github官方链接：https://github.com/ultralytics/yolov5/archive/refs/tags/v5.0.zip

Yolov5-6.1加速下载链接：https://github.com/ultralytics/yolov5/archive/refs/tags/v6.1.zip

Yolov5-6.1Github官方链接：https://archive.xn–gzu630h.xn–kpry57d/ultralytics/yolov5/archive/refs/tags/v6.1.zip

CUDA下载地址

首先检查自己的电脑支持什么版本的CUDA

鼠标右键打开NVIDIA控制面板

接下来进入Cuda官网下载所支持的版本 https://developer.nvidia.com/cuda-toolkit-archive

点击网站进入后

CUDNN下载地址

（需对应CUDA版本下载 ）

CUDA版本为11以上 下载地址为：

https://developer.nvidia.com/compute/cudnn/secure/8.4.0/local_installers/11.6/cudnn-windows-x86_64-8.4.0.27_cuda11.6-archive.zip

CUDA版本为10.2 下载地址为：

https://developer.nvidia.com/compute/cudnn/secure/8.4.0/local_installers/10.2/cudnn-windows-x86_64-8.4.0.27_cuda10.2-archive.zip

提醒：以上CUDNN网址进入时 需要先注册登录哦！

环境配置 Pycharm安装

打开安装包
​

Pycharm的安装到此就完成了

Anaconda安装

打开安装包

CUDA安装

CUDA安装CUDA环境配置（Windows）
打开安装包

打开高级设置




需要添加下面五组变量名与变量值

变量名：CUDA_SDK_PATH 变量值：C:ProgramDataNVIDIA CorporationCUDA
Samplesv11.3

变量名：CUDA_LIB_PATH 变量值： %CUDA_PATH%libx64

变量名：CUDA_BIN_PATH 变量值：%CUDA_PATH%bin

变量名：CUDA_SDK_BIN_PATH 变量值：%CUDA_SDK_PATH%binwin64

变量名：CUDA_SDK_LIB_PATH 变量值：%CUDA_SDK_PATH%commonlibx64

①中需添加的：

%CUDA_LIB_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_BIN_PATH%;

②中需添加的：(默认为以下路径)

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.3libx64

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.3include

C:Program FilesNVIDIA GPU Computing
ToolkitCUDAv11.3extrasCUPTIlib64

C:ProgramDataNVIDIA CorporationCUDA Samplesv11.3binwin64

C:ProgramDataNVIDIA CorporationCUDA Samplesv11.3commonlibx64

到此，CUDA安装以及环境配置就完成了

CUDNN安装

打开压缩包

此处将这三个文件复制到CUDA安装路径同名文件夹即可！！这里我的路径是C：Program FilesNVIDIA GPU Computing ToolkitCUDAv11.3


WIN+R打开终端

使用Anaconda配置环境

在Anaconda下安装Pytorch
打开Anaconda Prompt
点击Launch后会弹出窗口 先将其最小化 点击第二步

首先创建python的虚拟环境 在命令行里面输入conda create -n “your venu name” python==x.x (自行设置名称和python版本)



接着输入下面的命令行
conda config --remove-key channels

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/

conda config --set show_channel_urls yes

pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

​
接下来进行配置Pytorch 首先进入Pytorch官网：Pytorch

​

接着在命令行输入pip install pycocotools-windows


再输入以下命令行

pip install -r requirements.txt

pip install pyqt5

pip install labelme

到这里yolov5的环境配置就已经完成了，接下来开始进行测试

第一次目标检测

在yolov5目录下执行下列代码

python detect.py --source data/images/bus.jpg --weights pretrained/yolov5s.pt

第一测试只有exp 第二次测试就会自动生成exp2文件 以此类推

至此 yolov5初次目标检测就完成了

yolov5的检测代码功能十分强大，是支持对多种图像和视频流进行检测的，具体的使用方法如下：

python detect.py --source 0 # webcam

file.jpg # image

file.mp4 # video

path/ # directory

path/*.jpg # glob

‘https://youtu.be/NUsoVlDFqZg’ # YouTube video

‘rtsp://example.com/media.mp4’ # RTSP, RTMP, HTTP stream

​

​