win10 + Anaconda + yolov3 + pytorch (CPU版)

一、Anaconda安装与配置

推荐清华镜像站下载Windows版本，安装可参考官方文档（注意安装路径不要有中文）

安装时勾选将anaconda添加至系统环境变量中(官方文档第8步)
在cmd中输入conda -V，输出 conda x-x-x（x-x-x为版本号）即为安装成功

安装成功后将anaconda切换为清华源，具体步骤如下：
win + R 打开cmd,输入conda config --set show_channel_urls yes生效后可以在系统盘用户目录系下找到.condarc用记事本打开，用以下内容替换：

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

替换完成保存后，在cmd中输入conda config --show-sources会看到刚刚添加进去的内容，至此Anaconda安装配置完成
###二、下载源代码安装依赖
下载源码：

git clone https://github.com/ultralytics/yolov3.git

创建并激活一个新环境：

conda create -n yolov3-pytorch python=3.7
conda activate yolov3-pytorch

安装依赖(建议一个一个安装，使用requirements.txt可能会出现找不到镜像的情况)：

//pytorch
conda install pytorch torchvision cpuonly -c pytorch
//opencv-python
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
//numpy
conda install numpy
//pillow
conda install pillow
//tqdm
conda install tqdm
//matplotlib
conda install matplotlib

三、将所需文件放置到对应文件夹（测试使用）

需要的文件有：

1.网络模型（.weight）yolov3-tiny.weight(提取码：m1c6)，放入./weight文件夹中
2.网络文件（.cfg）yolov3-tiny.cfg，./cfg文件夹中已存在
3.数据类别（.names）使用默认coco.names，共80类
4.测试图像 放在./data/samples/目录中
###四、运行检测程序
打开根目录下的detect.py，160-174行为检测时的一些参数，测试时将下图红框位置更改为上步放入的文件

使用自己顺手的IDE运行，这里直接在cmd中运行：

//激活环境，并运行
conda activate yolov3-pytorch
python detec.py

输出如下结果：

识别的结果存储在.\yolov3\outpt中

到这里整个网络已经配置完成，此版本适用于没有GPU或者GPU性能不足以满足训练的机器，配置起来比较方便，可以进行模型的测试和学习代码使用