【YOLOV5 入门】——环境配置（Miniconda/Pytorch/YOLOv5/PYPI镜像源）

已于 2024-07-08 11:51:11 修改
阅读量3.4k 收藏 37
点赞数 19
分类专栏： 模式识别&目标检测 文章标签： YOLO 目标检测 机器视觉 计算机视觉
于 2024-03-25 11:32:18 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/weixin_51658186/article/details/136973170
版权

声明：笔记是毕设时根据B站博主视频学习时自己编写，请勿随意转载！

计划：

入门篇：环境安装、模型检测、构建自定义数据集、训练数据集、可视化界面搭建、Web系统搭建。拓展篇：使用服务器训练、使用pycharm和VScode。进阶篇：修改模型、模型结构原理。部署篇：模型部署。

一、环境安装

友情提示：安装过程中请别关闭cmd！

1、Miniconda环境管理器

下面内容是有关miniconda环境管理器和集成开发环境（IDE）的关系，可作为拓展：

  • Miniconda:

    • Miniconda是一个轻量级的Ana
了解本专栏 订阅专栏 解锁全文 超级会员免费看
【YOLOv5目标检测教学】包括环境配置、数据集制作、模型训练、加载模型进行目标检测（超详细、小白入门版）
目标检测
11-13 1万+
本文将全面阐述yolov5目标检测使用教学，首先是配置yolov5的运行环境以及yolov5的代码下载，然后教学如何制作自己的目标检测数据集以及如何利用yolov5加载该数据集进行目标检测模型训练，最后教学如何通过yolov5加载训练好的模型进行目标检测以达到检测自己想要的目标功能！（本篇文章全程以花卉检测为例子进行讲解，对其他目标的检测基本一致！以上就是整个yolov5目标检测的详细教学啦，详细讲解了环境配置、数据集制作、模型训练、加载模型进行目标检测！最后对文章有问题的欢迎在评论区留言询问噢！
yolov5环境配置（Pytorch），免手动安装CUDA
wangjingyuzero的博客
01-12 3049
1.1打开命令提示符win+R输出cmd即可打开在命令提示符中输入nvidia-smi我途中圈起来的部分就是我的电脑所能支持的最高的CUDA版本号本文选用CUDA11.3安装。
Anaconda 和 Miniconda：功能详解与选择建议
最新发布
qq_71014467的博客
04-15 1868
Miniconda 是 Anaconda 的轻量级版本，它仅包含conda包管理器和 Python 本身，并没有像 Anaconda 那样预装 1500 多个库。这意味着用户需要根据自身实际需求手动安装所需的包，给予了用户更大的自主控制权。如果你是刚刚踏入数据科学领域的初学者，或是一名需要快速搭建环境开展工作的数据科学家，亦或是在团队协作、教学等场景中，Anaconda 会是一个非常不错的选择。它提供的完整工具链和大量预装库，能让你迅速上手工作，减少环境搭建带来的困扰。
yolov5环境配置
xiao_yang_yang_的博客
02-04 8709
Windows系统下1、安装Anaconda3(我的版本)，配置好环境变量（不同版本环境变量文件可能不同）2、安装电脑对应的显卡版本驱动(NVIDIA GeForce GTX 1050)3、安装CUDA(10.2版本)，成功安装后再安装cuDNN(一定是对应于CUDA版本)4、安装pytorch，配置pytorch环境，克隆yolov5包。
基于Yolov5环境配置详解（真的很方便很简单）
热门推荐
不会拍照的博客
07-12 4万+
本文主要讲解了如何配置Yolov5的运行环境在竞赛期间接触了机器视觉，为了完成对各种垃圾的目标检测，我用了yolov5模型去实现。刚开始的配置环境的时候用了两周的时间，还会遇到各种报错；主要是版本问题，因为要对应Jeston nano的环境（也可能不需要对应）；如果只要给电脑配置环境就很简单了。
YOLOV5环境配置
qq_53962503的博客
07-24 3820
YOLOV5环境配置
深度学习笔记（一）：环境（yolov5）配置
xumocanshui的博客
09-29 1万+
到这里yolov5的环境部署就结束了。最后运行一些yolov5项目中的detect.py文件测试一下。在terminal中输入或者直接运行detect.py。运行结果如下所示。
二十分钟入门YOLO算法
digitalImage030的博客
12-11 5732
YOLO官方推出了一款app：iDetection，可以对摄像头所及的视野进行目标检测。（它的识别效果比某些指鹿为马的识图软件/相机功能要好很多）
PART 3 Ubuntu24.04 的树莓派系统安装WiringP USB摄像头
qq_39717490的博客
03-26 74
上述为参考资料。
YOLOv5环境配置
m0_53480978的博客
07-05 4105
利用anaconda和pycharm安装包并运行项目文档
深度学习目标检测：yolov5环境配置，适合0基础小白，超详细
笑脸惹桃花的博客
04-26 2万+
对于小白也很简单的yolov5环境配置
yolov5超详细环境搭建和模型训练
qq_47540436的博客
07-06 1万+
第一部分 算法环境搭建。
【YOLO学习】YOLOV5的环境配置
Q小鑫
10-10 701
YOLOV5官方源码 链接：https://pan.baidu.com/s/1IS9MpGCi7MdO9ASxdn_3FA 提取码：zlil 也可以去GitHub进行下载 GitHub: Where the world builds software · GitHub 如果进不去的话可以进入它的镜像加速 GitHub: Where the world builds software · GitHub github官方源码YOLO5.0版本 GitHub - ultralytics/y...
yoloV5环境搭建
06-04 360
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。
YOLOv5环境搭建
技术、思维
04-25 2610
1. 首先是Python>=3.7.0 这里下载的版本是3.7.9的windows 64位的版本。 下载地址： https://www.python.org/downloads/windows/ 2. PyTorch>=1.7
保姆式教学yolov5环境配置
2301_81678815的博客
12-08 1963
安装上面这个图选择即可（不同的是你的系统版本，我的是Windows系统，同时推荐用pip的命令进行安装比conda的安装要简洁一些，注意cuda的版本不能高于你的GPU所支持的最高版本，这个可以在显卡的控制面板里面查看，最后选择好了之后复制下面RUN this command里面的命令并在虚拟环境里面运行，后面等待安装结束即可）选择和你设备系统一样的安装包下载（安装时最好安装在c盘，目录里不要有中文，同时在安装时勾选PATH）在安装完之后在设备搜索里面可以发现安conda prompt，然后点击进入。
yolov5环境搭建（小白）
qq_34176467的博客
02-23 1993
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环境配置win/Lin
qq_43248104的博客
06-21 606
1.首先确定自己的cuda版本，通过win+Rcmd进入命令行，输入nvidia-smi。进入cuda驱动官网，下载对应(高于)的驱动版本。1.去官网下载pycharm，勾选添加环境变量。下载对应版本的cudnn。1.下载yolov5。
评论 15
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

柯宝最帅

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