前言：

       很早之前，我发过小白YOLOv5全流程-训练+实现数字识别_牛大了2022的博客-CSDN博客_yolov5数字识别这篇文章，里面用简练语言分享用yolov5训练自己的识别器，但包括我在内许多人仍不了解其运行原理；过去两周，我也发了深度学习Week9-YOLOv5-C3模块实现（Pytorch）_牛大了2022的博客-CSDN博客和深度学习Week10-YOLOv5-Backbone模块实现（Pytorch）_牛大了2022的博客-CSDN博客两篇yolov5结构部分框架的初探。从这篇文章开始，会一步步的详细剖析yolov5，让我们一同学习，加深对yolov5的理解。

       本周先以跑通官方代码为目标。

一、环境配置

跟着我做过小白yolov5全流程的朋友可以跳过这一步，没有安装源码环境的参考以下步骤

注意：安装涉及的路径不要有中文

1. yolov5开源地址  进去后下载源码到本地

2.anaconda中新建一个虚拟环境，python3.9 ，pytorch1.12.1，yolov5 v6.0

（如若使用GPU，cuda version >=10.1，自己搜cuda下载配置）

3.控制台中进行以下操作（建议pycharm搞）

git clone https://github.com/ultralytics/yolov5  # clone
cd yolov5
pip install -r requirements.txt  # install 安装各种包

 二、运行代码

在pycharm中打开detect.py

第一次用可以用它默认的识别模型yolov5s.pt，（如果没有网盘下载 yolov5s.pt 提取码：bum6）然后上传本地要识别的图片或者视频

加载摄像头进行识别：（图片视频default修改路径就行如'test1.jpg'，摄像头default为0）

 parser.add_argument('--source', type=str, default=0, help='source') #file/dir/URL/glob/screen/0(webcam)

 最后生成的图片或者视频在runs\detect\exp1234...

 这里偷懒，就放我以前博客的识别图片，原理都一样。还是强烈建议初学者想快速上手可以看看我这篇文章