yolov5环境搭建（Anaconda-py3.9、PyTorch-CPU、yolov5-4.0、PyCharm）

最新推荐文章于 2025-10-14 16:28:58 发布
原创 最新推荐文章于 2025-10-14 16:28:58 发布 · 4.2k 阅读 · 34 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#pytorch #YOLO #pycharm

本文介绍了在Windows10系统中使用Anaconda创建虚拟环境，并在环境中安装PyTorch和yolov5的详细步骤。包括下载权重文件，处理安装pypcocotools时的错误，以及在PyCharm中设置解释器以运行yolov5代码。文章还提供了遇到问题时的解决办法。

1.环境准备

  1. Windows 10
  2. Anaconda（基于Python3.9），已配置好环境变量
  3. yolov5相关的代码、权重文件等，已经打包整理好，可以通过百度网盘绿色下载。链接: https://pan.baidu.com/s/1okVkfpqjI5wD6PigK-AH0w?pwd=yscw 提取码: yscw

2.在Anaconda中创建虚拟环境

Anconda除了提供丰富的科学包外，还可以通过创建虚拟化境的方式用于进行环境隔离。虚拟环境的隔离有效避免了不同的Python项目需要依赖模块的版本不同导致的各种冲突。这里提供一种图形化操作方式。
（1）打开Anaconda Navigator
在这里插入图片描述
（2）依次点击一下两个按钮，然后在弹出的表单里面填写环境的名字和Python的版本，（例如，环境的名字：DL，Python版本为3.9）
在这里插入图片描述
在这里插入图片描述
注：需要仔细看好虚拟环境在哪个目录下，这个路径后面在PyCharm中会用到
（3）打开Anaconda Prompt，使用以下命令可以查看当前有哪些虚拟环境

conda env list

在这里插入图片描述
可以看到，base环境是下载Anaconda自带的，DL是刚才我们新建的。
可以使用下面的命令进入DL环境

conda activate DL

最低0.47元/天 解锁文章
YOLOv5项目搭建（AI识别皮卡丘）
二十多岁的你迷茫又着急，想要车子，想要房子，想要享受旅行，你那么浮躁，拿什么看透人生！
10-07 1759
在网上看了很多关于yolov5的博客，很多都是解读参数配置，或者是解析它的底层原理什么的，对新手不是特别友好，我认为学一样东西，先不管其他的，先把这个东西做出来，然后再去学习内部的原理，这样学习起来就不会那么枯燥乏味了，本篇博客就是纯手把手教你yolov5的搭建、训练、识别。
YOLOv5环境搭建
weixin_47060902的博客
03-12 5501
要搭建YOLOv5环境就首先要安装Anaconda，关于Anaconda的安装方法，参考我的另外一篇博客，Anaconda配置安装，亲测有效_weixin_47060902的博客-优快云博客 Anaconda安装完成之后，首先要创建YOLOv5的虚拟环境， conda create -n yolov5 python=3.8 可以在anaconda输入 conda env list 查看创建了哪些虚拟环境。 之后要更换镜像源，推荐使用清华镜像源 conda config --remov
YOLOv5 环境搭建、 coco128 训练示例 、 详细记录【一文读懂】
专注于AI领域前沿技术学习与分享：目标检测、图像修复、超分重建、AI工程化
09-25 1万+
你只看一篇就够用的测试教程
yolov5 算法环境（GPU CPU）搭建与使用（windows环境）
每个人都是独一无二的，把握好自己的节奏，跟着自己的心走。
09-22 6226
目标检测 YOLOv5 开源代码项目调试与讲解实战【土堆 x 布尔艺数】【动手学深度学习（一）】Yolov5环境配置教程博客目录索引(持续更新)
基于pycharm和anaconda的yolo简单部署测试
最新发布
m0_62102955的博客
10-14 1034
本文介绍了YOLO目标检测系统的完整使用流程，包括环境配置、数据标注、模型训练和参数调优。主要内容包括：1）使用conda创建虚拟环境并配置CUDA和PyTorch；2）通过LabelMe进行数据标注并转换为YOLO格式；3）组织标准数据集结构并配置data.yaml文件；4）使用开源数据集进行模型训练，包括初始训练和继续训练；5）调整超参数优化模型性能。文章提供了详细的代码示例和注意事项，适合YOLO初学者快速上手目标检测任务。
本地部署yolov5（GPU）项目实战
知识就是力量
10-21 5348
pytorch无需cuda，cudnn，调用GPU在yolov5中目标检测
yolov5的完整部署（适合新人和懒人，一键安装）
m0_63251896的博客
01-14 3290
yolov5的完整部署（适合新人和懒人，一键安装）
yoloV5环境搭建
06-04 403
一个是data目录下的相应的yaml文件，一个是model目录文件下的相应的yaml文件。├─ train # 下面放训练集标签。├─ test # 下面放测试集标签。│ ├─ train # 下面放训练集图片。├─ val # 下面放验证集标签。│ ├─ test # 下面放测试集图片。│ └─ val # 下面放验证集图片。1,创建python3.11.1虚拟环境。4，标注工具labelimg安装。2，下载yolov5项目。最新yolov8项目地址。
深度学习cuda+anaconda+pycharm+pytorch环境配置(zzy）
qq_43505667的博客
04-22 1708
按下键盘上的win+R,打开cmd命令窗口如下nvidia-smi可以看到最高支持的版本是12.6，按照这个信息来安装下面一步的环境需要满足12.6。
Anaconda+pycharm+pytorch+GPU配置教程
weixin_41032724的博客
11-08 3829
Anaconda Anaconda下载： 直接官网下载https://www.anaconda.com/ 找到合适的包（有人说如果不科学上网的话就很慢 我觉得还好 实在慢就找找镜像网站，网上应该不少资源） Anaconda安装 https://blog.csdn.net/u012318074/article/details/77075209 【注1】可以装在非C盘， 路径老生常谈的没有空格没有中文 建议选择简单一点的路径 因为后续这里面路径还会层层叠叠叠叠叠叠 【注2】 ...
人工智能python安装环境(Miniconda3-py39-)(pycharm-community-2021.3.2.exe)
03-27
社区版`pycharm-community-2021.3.2.exe`是免费的，适用于个人和开源项目，尽管相对于专业版缺少了一些高级特性，但对于初学者和简单项目已经足够使用。PyCharm支持多种Python框架，包括用于人工智能开发的...
YOLOv8环境搭建+训练自己的数据详细项目
m0_63172128的博客
08-01 2万+
直接按照路径会有问题，找到自己 requirements.txt 文件路径，我这里是pip install -r D:\ultralytics-main\ultralytics-main\requirements.txt。首先去自己的anaconda的安装的envs（虚拟环境），在导航栏输入cmd，进入命令窗口。到官方网站下载yolo模型 ，下载好后解压，里面有个文件requirements.txt。然后安装ultralytics ，这是必须的。
yolov5环境搭建（小白）
qq_34176467的博客
02-23 2109
在pycharm的终端里查看不同模型的检测效果，输入指令：python detect.py --weights yolov5s.pt。还可以对不同的源进行检测（如屏幕），指令：python detect.py --weights yolov5s.pt --source screen；模 型 导 出 · python export.py --weights y010v5s.pt --include engine --device 0。3.2数据集：训练集，验证集，测试集（8：1：1）
Yolov5环境搭建
qq_41149253的博客
06-12 3263
Yolov5环境搭建安装教程
YOLOv5超详细环境搭建以及模型训练（GPU版本）
2401_85556416的博客
08-24 9356
右键点击【我的电脑】(此电脑)--【属性】--点击【高级系统设置】--【高级】--【环境变量】-找到系统变量下的【Path】--右侧点击【新建】，按照我标红框的进行添加即可。点击【File】-->【setting】-->【Project】-->【Python Interpreter】-->【Add Interpreter】-->【Add Local Interpreter】方法二：【鼠标右键桌面】--【显示更多选项】--【NVIDIA控制面板】--在控制面板的左下角点击【系统信息】--选择【组件】
目标检测框架yolov5环境搭建
feinifi的博客
04-17 1292
目标检测框架yolov5环境搭建，并使用模型文件训练示例图片。
yolov5超详细环境搭建和模型训练
qq_47540436的博客
07-06 2万+
第一部分 算法环境搭建。
深度学习目标检测：yolov5环境配置，适合0基础小白，超详细
热门推荐
笑脸惹桃花的博客
04-26 3万+
对于小白也很简单的yolov5环境配置
Ubuntu+Anaconda+Pytorch+PyCharm 环境搭建后如何配置yolov8环境
08-19
### 安装 Anaconda 首先，安装 Anaconda 并配置镜像源以加速下载。可以通过以下命令添加清华大学的镜像源： ```bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --set show_channel_urls yes ``` ### 安装 PyCharm 下载并安装 PyCharm，可以使用以下命令下载 PyCharm 的社区版： ```bash wget https://download.jetbrains.com/python/pycharm-community-2023.1.tar.gz tar -xzf pycharm-community-2023.1.tar.gz cd pycharm-community-2023.1/bin ./pycharm.sh ``` ### 检查显卡驱动 确保系统中已安装合适的 NVIDIA 显卡驱动。可以通过以下命令检查： ```bash nvidia-smi ``` ### 创建 Conda 虚拟环境 创建一个新的 Conda 虚拟环境，并安装所需的 Python 版本： ```bash conda create -n yolov8 python=3.9 conda activate yolov8 ``` ### 安装 PyTorch 根据项目需求安装合适的 PyTorch 和 torchvision 版本。例如： ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch ``` ### 下载 YOLOv8 源码 从官方仓库克隆 YOLOv8 的源代码： ```bash git clone https://github.com/ultralytics/YOLOv8.git cd YOLOv8 ``` ### 安装依赖 安装项目所需的依赖包： ```bash pip install -r requirements.txt ``` ### 配置 PyCharm 在 PyCharm 中配置 Conda 虚拟环境。打开 PyCharm，进入 `File > Settings > Project: <project_name> > Python Interpreter`，选择 Conda 虚拟环境。 ### 验证安装 运行 YOLOv8 的测试脚本以验证安装是否成功： ```bash python detect.py --source 0 # 测试摄像头输入 ```
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值