【零基础上手yolov5】yolov5的安装与相关环境的搭建
文章目录
一、yolov5介绍
YOLO 是 “You only look once” 缩写 , 是将图像划分为网格系统的对象检测算法，网格中的每个单元负责检测自身内的对象。
由于其速度和准确性，YOLO是最著名的目标检测算法之一。yolov5作为YOLO系列第五个迭代版本，它的一个特点就是权重文件非常之小，可以搭载在配置更低的移动设备上，而且容易学习上手。
（yolov5各个权重文件的测试效果）
二、写在前面
博主也是最近开始玩yolov5的，甚至也是最近开始使用python的，很多东西都没有接触过，因此搭建环境的过程也比较痛苦，所以想写篇博客记录一下，希望同样是零基础的小伙伴们可以更加轻松的上手。同时大家如果发现了错误和理解偏差，欢迎指正。
参考资料：
1.史上最详细yolov5环境配置搭建+配置所需文件
2.理解Python虚拟环境
3. 半小时搞定Yolov5安装配置及使用（详细过程）
本教程所使用版本：
- pycahrm：2021.3.3
- Anconda：2022.05
- python：3.9
- yolov5：v6.2
踩坑经历：
- 路径中就不要有
短横杠-以及空格等等特殊字符，中文更不能要有❗。否则在之后训练时会出现各种路径找不到的问题😭 - 使用pip等下载指令时最好不要挂VPN，否则可能会下载失败
三、Anconda 与 pycharm 的安装
1.是什么?
Anconda本质是一个开源的 Python 包管理器，包含了180多个科学包及其依赖项，是基于 conda 的 Python 数据科学和机器学习开发平台。
而python自身缺少numpy、matplotlib、scipy、scikit-learn等一系列包，需要 pip安装来导入这些包才能进行相应运算。
Pycharm本质是一个集成开发环境，能过让你快速运行调试代码。
2.为什么需要Anconda?
Anconda除了提供丰富的科学包外，还可以用于进行环境隔离。当我们安装一个 Python 程序或者库的时候，这些包默认都会安装到 Python 当前环境的 site-packages 目录下面。然而，同一个库只能在一个环境中存在一份。
不妨试想这样一个场景：程序A依赖的xxx库要求版本 >=1.23.0，程序B同样依赖xxx库，但是要求版本低于 <= 1.21.0，这样就会出现版本冲突问题。
所以虚拟环境的意义在于，防止不同的python项目需要依赖的版本不同导致的各种冲突问题。
3.安装教程
四、yolov5安装
1.yolov5的源码下载
- Yolov5 github官网：https://github.com/ultralytics/yolov5
方法一：git clone到本地本地仓库
[指令]：git clone https://github.com/ultralytics/yolov5
方法二：直接安装压缩包
没有安装 git 的朋友可以直接点击Code下载压缩包
2.预训练模型下载
为了缩短网络的训练时间，并达到更好的精度，我们一般加载预训练权重进行网络的训练。
yolov5的6.2版本给我们提供了以上几个预训练权重，我们可以对应我们不同的需求选择不同的版本的预训练权重。在实际场景中是比较看这种速度，所以YOLOv5s是比较常用的。
将安装好的预训练模型放在yolo文件下（其实位置没有严格要求，在下篇训练自己的数据集时就会明白）
3.安装yolov5的依赖项
使用pip install -r requirements.txt即可安装requirement.txt（见上）中所需要的依赖项，具体做法见下：
在yolov5文件夹下输入cmd快速切换路径到当前文件夹下，否则需要用cd指令切换到当前文件夹下。
【🎯易错】：一定要切到该文件夹下，否则下载时会提示：
ERROR: Could not open requirements file: [Errno 2] No such file or directory: 'requirements.txt'
我们首先创建一个名为 pytorch 的虚拟环境，并且切换到当前虚拟环境下。conda常用指令如下：
- 创建虚拟环境：
conda create -n [虚拟环境名] python=[版本]- 显示虚拟环境：
conda env list- 激活虚拟环境：
conda activate + [虚拟环境名]
(📋贴士：将conda源换成国内镜像源，下载速度会快不少Anaconda换国内源教程；同样pip；同样pip也推荐大家换源，大家可以自行搜搜换源方法)
首次激活虚拟环境时可能会遇到这样的问题，解决办法也提示了，使用conda init [SHELL_NAME]配置命令解析器后重启即可。Windows一般都装有 cmd.exe，因此我们可以使用cmd.exe作为解释器： conda init cmd.exe
(我们成功进入到pytorch虚拟环境中)
输入pip install -r requirements.txt指令进行安装，安装完成我们可以在 XXX\Anconda\envs\pytorch\Lib\site-packages路径下看到我们安装的各种依赖库。
4.检测是否安装成功
运行yolov5文件夹下的detect.py文件，若正常运行则说明yolov5安装成功，运行结果可以runs\文件夹下看到。
5.扩展：pip install 与 conda install区别
>博客推荐：全面总结 pip install 与 conda install 的使用区别
五、labelimg的安装
我们使用labelimg标注图片，构建自己的数据集。labelimg的安装也很简单，使用pip install labelimg即可
从上面两种图中我们也可以看出虚拟环境的意义，它可以避免版本冲突。如果遇到了图二中的错误，首先把版本冲突的软件删掉，再下载符合版本要求的软件。参考指令如下：
- 删除指定软件：
pip uninstall XXX - 显示某个XXX软件所有可用版本：
pip install XXX==
label的使用说明将在下一篇博客中具体呈现
>【零基础玩转yolov5】yolov5训练自己的数据集（最新最全版）
来源地址：https://blog.csdn.net/whc18858/article/details/127131741
免责声明：
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
