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:\ProgramData\NVIDIA Corporation\CUDA
Samples\v11.3变量名：CUDA_LIB_PATH 变量值： %CUDA_PATH%\lib\x64
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%\bin\win64
变量名：CUDA_SDK_LIB_PATH 变量值：%CUDA_SDK_PATH%\common\lib\x64
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 Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.3\common\lib\x64
新建：“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin”（不需要加引号）
新建：“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp”（不需要加引号）
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 Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3
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
接着输入cd 命令转到yolov5源码的目录下面（如果cd命令不起作用 可以尝试cd \d 命令来操作
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
