yolov5开发环境搭建

已于 2023-07-27 09:56:27 修改
阅读量616 收藏
点赞数 1
CC 4.0 BY-SA版权
分类专栏： halcon3d PCL点云处理 深度神经网络 文章标签： YOLO python pytorch pycharm
于 2023-07-27 09:54:46 首次发布
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。
本文链接：https://blog.youkuaiyun.com/linux_huangyu/article/details/131953426
本文详细介绍了在Windows上使用Anaconda创建虚拟环境，并配置YOLOv5的开发环境。通过指定Python版本3.9，安装并激活虚拟环境，下载YOLOv5代码，配置PyCharm解释器，执行detect.py。同时，指导如何从CPU切换到GPU运行，包括卸载CPU版本的torch和torchvision，安装适配CUDA版本的PyTorch，最终成功运行detect.py并显示运行日志。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在windows上部署yolov5的步骤

安装 anaconda 用来管理虚拟环境

在这里插入图片描述

创建一个虚拟环境，创建虚拟环境的时候指定python版本 我这里选择3.9

在这里插入图片描述

将yolov5的python代码从github上搞下来，用pycharm打开-打开项目 ，打开之后用终端进入之前我们 创建的那个虚拟环境里面
pycharm不同的版本 配置解释器的界面还不一样，多摸索 摸索吧，遇到问题就百度，很多资料

在这里插入图片描述

进入这个虚拟环境之后，执行yolo v5 readme.txt里面的一句代码

首先 进到这个虚拟环境里面
pip list这个命令就可以看到这个虚拟

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Hi3516/Hi3519DV500移植YOLOV5、YOLOV6、YOLOV7、YOLOV8开发环境搭建--YOLOV5工程编译移植到开发板测试--（5）
cumtwys的专栏
11-01 1817
在板子端src、model、data同级目录新建一个yolov5_test文件夹，将下图内的main文件拷贝至yolov5_test目录内。至此，yolov5移植验证已经成功，接下来会陆续尝试yolov7、yolov8等模式。在此目录打开控制台，其实该目录内已经生成了测试图片的bin文件，此处为了熟悉开发流程。，本专栏采用vmware虚拟机搭建开发环境，若采用物理机原理大同小异。
Hi3516/Hi3519DV500移植YOLOV5、YOLOV6、YOLOV7、YOLOV8开发环境搭建--安装开发环境AMCT、依赖包等--（2）
cumtwys的专栏
11-01 869
下载地址https://mirrors.aliyun.com/ubuntu-releases/18.04/，使用阿里镜像下载速度超级快。安装依赖环境等可以用root账户，也可以使用普通账户这里我们采用的是普通用户安装。，本专栏采用vmware虚拟机搭建开发环境，若采用物理机原理大同小异。安装vim，更改权限。至此python3.7.5安装完毕。，则执行如下命令重新安装pip。
yolov5环境搭建（小白）
qq_34176467的博客
02-23 2002
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
06-04 362
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。
YOLO算法环境安装和测试
最新发布
2402_89334832的博客
05-18 1138
本文详细介绍了如何配置深度学习环境以运行YOLO算法。首先，通过Miniconda安装并配置Python编程环境，并创建虚拟环境。接着，安装CUDA和Cudnn以支持GPU加速。然后，安装PyTorch深度学习框架的GPU版本，并选择与CUDA兼容的版本。之后，克隆Ultralytics的YOLO项目仓库，并安装必要的依赖库。此外，还介绍了如何安装和配置Pycharm和Vscode作为开发环境。最后，以YOLOv11为例，进行了算法预测测试，验证了环境的正确配置和算法的运行。整个过程涵盖了从环境搭建到算法测
Yolov5环境搭建
qq_41149253的博客
06-12 3196
Yolov5环境搭建安装教程
yolov5超详细环境搭建和模型训练
热门推荐
qq_47540436的博客
07-06 1万+
第一部分 算法环境搭建。
YOLOV5自主训练-环境搭建
yezlin的博客
11-08 1842
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。它将单个卷积神经网络(CNN)应用于整个图像，将图像分成网格，并预测每个网格的类概率和边界框。YOLO非常快。由于检测问题是一个回归问题，所以不需要复杂的管道。它比“R-CNN”快1000倍，比“Fast R-CNN”快100倍。YOLOv5是YOLO最新的版本。
yolov5 +cuda10.2 +gpu环境搭建 （详细版本）
qq_53357019的博客
07-11 1万+
YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。主要的改进思路如下所示：输入端：在模型训练阶段，提出了一些改进思路，主要包括Mosaic数据增强、自适应锚框计算、自适应图片缩放； 基准网络：融合其它检测算法中的一些新思路，主要包括：Focus结构与CSP结构； Neck网络：目标检测网络在BackBone与最后的Head输出层之间往往会插入一些层，Yolov5中添加了FPN+PAN结构； Head输出层：输出层的锚框机制与YOL
YOLOv5 环境安装
linsenaa的博客
06-29 877
Miniconda 下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/pypi 国内源：https://mirrors.tuna.tsinghua.edu.cn/help/pypi/Github地址https://github.com/ultralytics/yolov5。右击我的电脑->属性->更多设置->高级->环境变量->新建。单击新建，或直接双击下方空白处，键入刚才输入的变量名，我的是。我的比较老 是9.2版本的coda。
安装yolov5环境
sybh的博客
03-29 1645
在实际应用中，您可能还需要使用更多的命令和参数来优化 YOLOv5 模型，并实现更高效的目标检测。而 YOLOv5 是一个非常流行的目标检测框架，本文将介绍如何在 Ubuntu 系统上安装 YOLOv5 环境。在安装 YOLOv5 之前，我们需要先安装 Anaconda。这将打开您的摄像头并运行 YOLOv5 检测程序。如果您看到一个实时视频流，并且 YOLOv5 正在检测到物体，请恭喜您，您已经成功安装了 YOLOv5。有两种方法可以安装 YOLOv5：一种是使用 PyPI，另一种是从源代码编译安装。
yolo v5 运行环境 搭建
linux_huangyu的博客
06-08 656
将yolov5的python代码从github上搞下来，用pycharm打开-打开项目 ，打开之后用终端进入之前我们 创建的那个虚拟环境里面。执行detect.py代码块的时候，出现如下运行日志就代表运行成功了，运行结果已经保存到如图所示路径下了，你去打开一看。如果没有自动识别到你创建的那个虚拟环境，那么就你需要 确定一下你创建的那个虚拟环境的路径在哪里，然后用。（一般你创建的虚拟环境都在你安装的anaconda目录下面 的envs文件夹里面，安装的时候记一下 ）
YOLOv5环境搭建
weixin_47060902的博客
03-12 5357
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
二分掌柜的
11-22 393
YOLOv5 环境搭建flyfish环境驱动、CUDA Toolkit、cuDNN、PyTorch版本对应。
yolov5环境安装
Tarryzking的博客
03-27 349
设置清华源：复制到C:/User/用户名/.condarc中。
目标检测框架yolov5环境搭建
feinifi的博客
04-17 1247
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环境搭建（Anaconda-py3.9、PyTorch-CPU、yolov5-4.0、PyCharm）
jialChen的博客
05-12 4015
Windows10搭建yolov5-4.0，使用CPU版本PyTorch，可以在anaconda命令行和PyCharm中运行代码
yoloV5环境搭建与运行（windows+pytorch+kaggle）
WonderKing'blog
11-13 3800
环境：Windows+anaconda+pytorch云端GPU：kaggle。
yolov5 cpu 环境搭建
02-22
### YOLOv5 CPU环境配置指南 #### 1. 安装Python并设置开发环境 对于YOLOv5的CPU版本部署，确保已安装合适的Python解释器至关重要。推荐使用Python 3.7.x作为基础环境[^1]。 #### 2. 创建独立的工作空间 建议通过Anaconda管理不同项目所需的软件包及其依赖关系，在其中建立专门用于YOLOv5项目的虚拟环境[^3]： ```bash conda create --name yolov5 python=3.7 conda activate yolov5 ``` #### 3. 获取必要的库文件和支持工具 接下来需要获取PyTorch框架以及其配套组件来支持YOLOv5运行于纯CPU模式下[^2]: ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu ``` 此命令会自动选择适合当前系统的稳定版PyTorch发行包，并附带图像处理扩展`torchvision`和音频处理模块`torchaudio`。 #### 4. 准备YOLOv5源码及相关资源 克隆官方GitHub仓库至本地计算机以便后续操作： ```bash git clone https://github.com/ultralytics/yolov5.git cd yolov5 ``` 随后按照提示下载预训练权重或其他所需数据集。 #### 5. 验证安装成功与否 最后一步是对整个流程做一次完整的检验，执行如下脚本可以验证YOLOv5能否正常工作： ```python from pathlib import Path import sys FILE = Path(__file__).resolve() ROOT = FILE.parents[0] if str(ROOT) not in sys.path: sys.path.append(str(ROOT)) # add ROOT to PATH import torch from models.common import DetectMultiBackend from utils.general import check_img_size, non_max_suppression, scale_coords from utils.torch_utils import select_device, time_sync weights = 'yolov5s.pt' # model path or triton URL imgsz=(640, 640) # inference size (height, width) device = select_device('cpu') # force usage of cpu device model = DetectMultiBackend(weights, device=device, dnn=False) stride, names, pt = model.stride, model.names, model.pt imgsz = check_img_size(imgsz, s=stride) # check image size print(f"Model loaded successfully on {device}. Ready for detection.") ``` 上述代码片段展示了如何加载模型并在选定设备（这里是CPU）上准备推理过程。
评论
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

打赏作者

黄晓魚

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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