【目标检测】在windows10系统下学习YOLOv5——从安装到运行

Cul_accino

已于 2022-04-09 12:05:01 修改

阅读量2.4k

点赞数 1

分类专栏：目标检测文章标签：目标检测 pycharm pytorch

于 2022-03-03 14:45:36 首次发布

本文链接：https://blog.youkuaiyun.com/AlwaysNoError/article/details/123025931

版权

目标检测专栏收录该内容

5 篇文章

订阅专栏

本文详细记录了YOLOv5的学习过程，包括Anaconda和Pycharm的安装，CUDA与cuDNN的配置，以及YOLOv5代码的调试。在环境配置中提到了避免Anaconda启动问题，安装CUDA和cuDNN的步骤，并验证了CUDA的安装。在调试YOLOv5代码部分，介绍了下载代码、修改requirements.txt、安装依赖、配置IDE和运行detect.py的流程。注意首次运行可能需要挂梯子下载模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这篇文章主要是简单记录一下对YOLOv5的学习，主要参考了优快云博客里的大佬是刺猬吖所写的笔记，对我很有帮助，在此深深的感谢！！

一、环境配置：下载Anaconda和Pycharm

1、 Anaconda官网下载安装

其中一个坑是不要在安装之后改文件夹的名字，这样会因为配置文件的问题导致无法正常启动prompt

2、 Anaconda配置环境变量

D:\Anaconda
D:\Anaconda\Scripts
D:\Anaconda\Library\bin

3、下载Pycharm

二、配置调用GPU——CUDA和cuDNN

1、根据自己电脑的显卡确定版本

打开NVIDIA控制面板，点击帮助 -系统信息，看驱动程序版本

2、根据显卡确定CUDA版本

每个版本的CUDA都对应某个显卡版本及其以上版本。
在这里插入图片描述

3、根据选择的CUDA版本选择cuDNN版本

4、先安装CUDA 然后安装cuDNN

（1）验证CUDA是否安装成功
命令行输入nvcc -V，看是否显示了CUDA的版本信息
（2）将下载的cuDNN对应文件夹里的文件复制到cuda对应文件夹中

5、在系统环境变量中配置CUDA

三、yolov5代码调试

1、下载yolov5代码，地址：https://github.com/ultralytics/yolov5

下载完成后，打开文件夹中的 requirements.txt，将torch和torchvision这两行前面加#注释掉，这两行是给cpu版本安装的。

2、进入Anaconda Prompt，cd到代码的路径，下载一些程序包

（后面加上-i https://pypi.tuna.tsinghua.edu.cn/simple换源会下载的快些）

pip3 install torch==1.8.1+cu102 torchvision==0.9.1+cu102 torchaudio===0.8.1 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install opencv-python

3、测试安装结果，在命令行输入以下内容

python
import torch
torch.cuda.is_available()

返回True，说明成功。

4、调试

配置好IDE的解释器，选择下载的Anaconda里的
File-Settings-Project-Python interpreter
在这里插入图片描述

5、运行detect.py

可以给这里配置一下然后运行
在这里插入图片描述

注意这里第一次运行要下载一些模型，应该是通过github下载的，这时候最好是挂梯，不然会下载失败。
测试照片在data/images，检测结果在runs/detect/exp，返回0就是成功。