YOLOv5 5.0环境配置教程 全干货，无废话！

前景摘要：

本教程分为三个部分，分别是版本信息、操作流程和分页文件修改

版本信息：

python使用 3.9.12版本

pytorch使用1.8.1+cu111版本（如果没有NVIDA GPU的下载不带CUDA版本的即可，GPU只会影响速度；CUDA版本过高的也不用担心，可以向下兼容）

numpy使用1.26.3版本

注：版本是一个组合，这里的三个版本是我测试出来配置比较省时间的组合，如果你不是用这个组合，那你不用看这篇教程，如果你要用一定要确保版本一样！

操作流程：

使用须知：具体的操作命令一般不会给出，直接问AI就行，这里推荐Grok3

1.清理环境

在进入正式操作之前需要查询自己这三个的版本，版本不匹配的删除即可

1.下载YOLOv5 5.0代码及模型权重

在github仓库下载yolov5 5.0的zip文件，解压到YOLOv5的文件夹，并下载yolov5s.pt

2.下载pytorch 1.8.1+cu111

下载完成之后运行命令测试pytorch是否连接上GPU

3下载Numpy

运行命令下载Numpy

4.下载依赖

pip install -r requirements.txt 

注意：切换环境需要重新下载依赖，使用pip install -r requirements.txt 命令下载依赖可能会导致缺少requests依赖的问题

依赖下载完成后运行训练代码，如果提示缺少某一依赖再下载

（关于运行训练代码，使用数据训练模型和使用单一图片去测试的配置要求是不一样的，因此这里可以只用一张图片测试依赖是否完整）

5.修改代码文件

（一）第一处

将yolov5 5.0代码文件中的

np.int

修改为

np.int_

注：np.int16、np.int64等不用修改

（二）第二处

修改 summary.py 文件：

• 打开 ~\site-packages\torch\utils\tensorboard\summary.py，找到 make_histogram 函数。
• 定位到 cum_counts = np.cumsum(np.greater(counts, 0, dtype=np.int32)) 这行。
• 修改为 cum_counts = np.cumsum((counts > 0).astype(np.int32))，保存文件。

6.训练模型

制作数据集和data.yaml文件，把要训练的模型迁移到yolov5 5.0文件夹，运行训练代码

注：这里的batch取决你电脑的内存大小，推荐使用2，训练轮次不用太多，5就可以，关键是可以训练

分页文件修改：

部分人运行时可能会出现下面的报错信息

[WinError 1455] 页面文件太小

这就是因为电脑的分页文件太小了，在设置中修改即可，推荐把系统盘分页文件设置为400-800，其他盘分页文件拉满（一般一个盘就够了，但需要确保有100G剩余空间）。具体操作方法问AI即可。