yolov5 安装

原创于 2025-11-22 11:44:08 发布 · 200 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#YOLO #linux #运维

部署运行你感兴趣的模型镜像

1.创建虚拟环境

conda env list
conda create -n yolov5 python==3.9
conda activate yolov5

2.安装torch和torchvision

pip install torch==1.13.0+cu117 torchvision==0.14.0+cu117 torchaudio==0.13.0 --extra-index-url https://download.pytorch.org/whl/cu117

3.下载项目

https://github.com/ultralytics/yolov5/archive/refs/tags/v7.0.zip

4.准备数据集

Vehicles-OpenImages Object Detection Dataset - 416x416

选择yolov5格式

5.训练模型

 python train.py --data ../MaskDataSet/data.yaml  --cfg models/yolov5s.yaml  --batch-size 16

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch

Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

码上上班

关注关注

3
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

半小时搞定Yolov5安装配置及使用（详细过程）

HowieXue 薛永浩的博客

07-04

11万+

Yolov51. 下载Yolov52. 安装Yolov5 在下载配置Yolov5前，先要安装好Anaconda环境，可参考之前博文：最新Anaconda3的安装配置及使用教程（详细过程） 1. 下载Yolov5 首先下载Yolov5源码： Yolov5 Github地址：https://github.com/ultralytics/yolov5 直接git clone到本地工作目录，等待下载完成： Yolov5代码目录架构： 2. 安装Yolov5 源码下完后，下面开始安装Yolov5所需模块，

YOLOv5保姆级安装教程

2401_84080967的博客

04-03

2万+

就会自动激活我们创建的yolov5虚拟环境，如黄色框出来的所示，由base环境切换为了yolov5环境，则表示我们成功进入了刚刚创建的yolov5环境，而那些所必须的库，就是需要安装在这个环境中，接着使用如下命令安装库。输入命令后，如上图所示，这些必要的库就开始安装了，等待一段时间，让它安装完成，安装过程可能会出现非常慢的情况，遇到这种情况，直接Ctrl+C中断安装，然后添加上清华源来pip。简单来说，它就是一个工具，它功能强大，做数据分析的，机器学习的，人工智能算法的都会用到它，所以。

参与评论您还未登录，请先登录后发表或查看评论

Yolov5安装及简单使用_yolov5安装步骤

2401_86963373的博客

09-12

584

但是如果在一些需要对项目、文件打包的时候，如果直接打包base环境，就会导致混入很多本身项目不需要的包，造成依赖包冗余的状态，而通过Anaconda则可以通过创造新的虚拟环境解决此问题。比如需要完成一个目标检测的任务，就需要导入一些包，比如说numpy、pytorch等等，那么只需要在Anaconda中创建一个虚拟环境，然后在此环境中安装相关包即可。此处选择Windows版本，Conda安装方式，Cuda选择11.3（如果没有独立显卡，则选择CPU版本）在Pycharm中打开yolov5的项目。

【零基础上手yolov5】yolov5的安装与相关环境的搭建

罅隙的博客

10-03

5万+

YOLO是最著名的目标检测算法之一，本文将带领大家完成yolov5的安装和相关环境的搭建，即使是python零基础的小白也可以看懂哦

YOLO-yolov5安装教程（详细流程）

weixin_61218382的博客

03-22

8520

进入miniconda网站选择一个安装包（py38版本）。在这个界面需要勾选前三个。到这里显示安装成功在开始菜单中找到刚刚下载安装好的miniconda（注意：一定要是Ａnaconda Prompt）。点击anaconda prompt进入后针对yolov5创建自己的环境。输入conda create -n yolov5 python=3.8（即创建了一个名为yolov5的虚拟环境）。然后回车进行配置，出现下面这个结果后继续输入y，进行确认安装。

【yolov5 教学向】（即使在MAC m1芯片下也可以使用yolov5本地训练自己的数据集

Xcz1220的博客

03-29

1万+

最近为了应付毕业论文，学习了目标检测，目的是检测车辆和行人，使用了yolov5，想到了是否可以在mac上跑yolov5 ，因为是m1芯片，以及系统的更新，踩了不少坑，总结了几个博主的经验，顺利的在mac上实现了yolov5的训练和检测。踩坑点：pyqt5安装、labelimg安装、yolov5训练时取文件.DS_store无法识别。

安装启动yolo5教程

Good Luck

08-25

5477

yolo5启动教程，windows 启动yolo5

安装yolov5

UZM2021的博客

05-28

9762

安装yolov5

精选资源

yolov5_ros2-yolov5安装

09-22

安装YOLOv5 ROS2通常意味着将YOLOv5的深度学习模型集成到ROS2框架中，以便机器人或其他设备能够利用YOLOv5进行实时的视觉识别任务。在进行YOLOv5 ROS2安装之前，用户需要确保系统满足YOLOv5的运行条件，包括适当的...

精选资源

acl_om_yolov5-yolov5安装

09-22

6. 验证安装：通过运行YOLOv5提供的样例脚本来检查YOLOv5是否安装成功，并且能够正确执行任务。为了帮助用户更好地理解安装过程，还包括了一些有用的文件： - predict_om.py：这个脚本可能包含了一些用于模型预测...

yolodet-pytorch-yolov5安装

09-22

YOLODet-PyTorch-yolov5的安装过程主要涉及以下几个方面：首先，我们需要了解YOLODet-PyTorch-yolov5是一个基于PyTorch框架的深度学习模型，用于目标检测任务。yolov5是一种流行的目标检测算法，以速度快、精度高...

Yolov5 安装详细教程及目标检测和识别

最新发布

2301_81354756的博客

04-23

6052

Anconda安装+Pycharm安装+yolov5训练自己数据集。

Yolov5安装及简单使用

treesorshining的博客

06-16

7352

官网地址：https://github.com/ultralytics/yolov5在Github上下载较为稳定的版本。一般计算机上存在基础的运行环境，一般使用情境下可在此环境中下载许多常用的包，比如说numpy、pandas、sklearn等等。但是如果在一些需要对项目、文件打包的时候，如果直接打包base环境，就会导致混入很多本身项目不需要的包，造成依赖包冗余的状态，而通过Anaconda则可以通过创造新的虚拟环境解决此问题。比如需要完成一个目标检测的任务，就需要导入一些包，比如说numpy、pyt

yolov5a安装

04-01

### 关于 YOLOv5a 的安装方法目前官方并未提供名为 `YOLOv5a` 的具体版本，可能您指的是基于 YOLOv5 的自定义改进版或其他社区开发的分支版本。如果需要安装标准的 YOLOv5 框架，可以参考以下通用安装流程[^2]： #### 环境准备确保您的环境满足以下条件： - Python 版本 ≥ 3.8 - PyTorch 已正确安装并支持 CUDA 加速（如果您计划使用 GPU）可以通过以下命令检查 PyTorch 是否已正确配置： ```bash python -c "import torch; print(torch.cuda.is_available())" ``` #### 安装步骤 1. **克隆仓库** 使用 Git 克隆官方 YOLOv5 仓库或指定的改进版仓库： ```bash git clone https://github.com/ultralytics/yolov5.git cd yolov5 ``` 2. **安装依赖项** 安装所需的 Python 库： ```bash pip install -r requirements.txt ``` 3. **验证安装** 运行预训练模型进行推理测试： ```bash python detect.py --weights yolov5s.pt --img 640 --conf 0.25 --source data/images/ ``` 对于特定的 `YOLOv5a` 改进版，您可以尝试访问类似的开源项目库，例如 DanaHan 提供的 DeepStream 集成版本。 --- ### 自定义改进版的安装注意事项如果目标是安装某个特定的 YOLOv5 改进版（如 `YOLOv5a`），建议执行以下操作： 1. 查找对应的 GitHub 仓库地址。 2. 下载源码后阅读 README 文件中的安装说明。 3. 如果涉及额外的依赖项或工具链（如 NVIDIA DeepStream SDK），需按照文档完成相关设置。例如，在某些航天应用中提到的数据增强技术（旋转、高斯噪声等）[^5] 可能需要调整配置文件以适配自定义需求。 --- ### 示例代码：运行检测脚本假设已完成上述安装过程，以下是调用 YOLOv5 检测功能的一个简单例子： ```python from yolov5 import YOLOv5 model = YOLOv5("path/to/best.pt", device="cuda") # 替换为实际权重路径 results = model.predict(image_path="data/test.jpg", size=640, augment=True) for result in results.xyxy: print(result) ``` 此代码片段展示了如何加载预训练模型并对单张图片执行预测任务。 ---