Windows 10 如何搭建Yolov5环境？保姆级，没有人比这个更详细了（更新时间2021.6.17）

（请先看置顶博文）本博打开方式！！！请详读！！！请详读！！！请详读！！！_Cat-CSDN博客

一、安装Anaconda+tensorflow

       安装步骤详见博文：Windows 10下Anaconda的下载和安装_Cat-CSDN博客_anaconda下载包

       虽然有的同学就是想单纯试验一下Yolov5，但是按照这个教程安装Anaconda后，可以较为顺利的安装依赖，与此同时还为以后的代码运行做铺垫（因为Jupyter lab包含在其中，并且软件源已经更换了）

二、安装CUDA

       查看自己的显卡型号是否支持CUDA的安装，可以下面这个网址：CUDA GPU | NVIDIA Developer

        一般的显卡都是打开红框圈住的这个列表，如图1所示，如果你的显卡存在，那么证明你可以安装CUDA。如果不能安装，

直接跳过此步，直接使用CPU版本的Pytorch。

                                        图1 GeForce产品列表及算力

CUDA具体如何安装可以查看此博文：Windows下安装CUDA（更新时间2021.05.10）_Cat-CSDN博客

三、安装Python

       当前的Yolov5需要Python3.7版本以上，所以这里提供一种安装Python的方法，详见博文：一、Pytho第一课——Python安装及配置路径方法（最详细小白教程，没有之一。如若不懂，不是还可以私信嘛!对吧？）_Cat-CSDN博客

四、安装Yolov5环境

1、下载Yolov5源码压缩包

网址：GitHub - ultralytics/yolov5: YOLOv5 in PyTorch > ONNX > CoreML > TFLite

打开网页后，如图2所示，点击“Download ZIP”即可下载Yolov5源码压缩包。

                                                图2 下载Yolov5源码压缩包

2、解压并打开requirements.txt

第一行“pip install -r requirements.txt”就是安装以下依赖包的命令，如图3所示.

pip install -r requirements.txt

 这个是卸载命令：

pip uninstall -r requirements.txt  #卸载requirements.txt文件里的所有依赖

# 卸载torch的命令
pip uninstall torch

输入该命令后可实现“一键安装”的效果。因为是Python语言，所以有“#”号的代码都不执行。其中torch分为CPU版本和GPU版本，因为我有好一点的显卡，可以安装GPU版本，所以就在torch前加个#号。

                                  图3 Yolov5需要的依赖项

3、安装Pytorch

       注意：按照此方法，Pytorch将会被安装在整个环境中，可能对其他项目的环境产生干扰。若有需要，可使用Anaconda创建独立环境

Pytorch网址：Start Locally | PyTorch

       打开网页后显示的是如图4所示的界面，红框处可以根据自己的实际情况进行勾选，并产生最终的安装Pytorch的可执行命令，如图5所示。

                                      图4 安装Pytorch命令生成框

                                              图5 选项解释

前三个信息想必大家都知道，而CUDA的版本查看方式是，打开cmd，输入以下命令：

nvcc --version

然后敲击回车，即可出现以下截图，如图6所示。我的是11.1，所以选择CUDA11.1。

                                                图6 查看CUDA版本

       选择结束后，会在“Run this Command”一栏中出现命令行。复制这条命令行，粘贴在cmd命令框中，如图7所示，敲击回车（下载可能很慢，因为是国外的网站，此时可以按照附录一的方法下载。如果还是不行，可以联系我，帮下载！），即可下载Pytorch。无论是使用哪种方法下载，必须执行这一步。速度快，则继续。慢，则使用附录一的方法。

                                         图7 将生成的安装命令粘贴到cmd中

                                                      图8 安装进行中

安装成功如图9所示：

                                                                                          图9 pytorch安装成功

    为了进一步确保torch安装成功，我们需要在Python中验证一下。在cmd命令中输入“python”，出现>>>符号后，输入import torch，再次出现>>>符号时，则表明安装成功。除此以外，还可以键入“torch.__version__”查看信息。如图10所示：

python                           # 运行Python
import torch                     # 导入torch
torch.__version__                # 查看torch版本信息
torch.cuda.current_device()      # 查看有几个显卡设备
torch.cuda.is_available()        # 查看显卡是否激活
torch.cuda.get_device_name()     # 查看显卡设备名称

                                                                                   图10 验证torch安装成功操作

    还可以输入“torch.cuda.current_device()”,查看CUDA，如图11所示，出现0代表只有一个显卡：

                                                                                       图11 查看当前设备命令

查看显卡名称命令行：“torch.cuda.get_device_name()”，如图12所示。

                                  图12 查看显卡名称

查看显卡是否是激活状态：“torch.cuda.is_available()”，如图13所示。

                      图13 显卡是否激活查看命令

      至此，GPU版本的Pytorch已经安装完成。细心的同学可以发现，安装Pytorch时，torchvision也已经安装在里面了，而且也满足requirements.txt的要求。所以，可以在requirements.txt里将torchvision注释掉（加#号）。如果当时安装Pytorch选择的是附录一的方法，那么此时也得选择附录二的方法下载和安装torchversion（详见附录二）

4、安装其他依赖项

        注意：按照此方法，Pytorch将会被安装在整个环境中，可能对其他项目的环境产生干扰。若有需要，可使用Anaconda创建独立环境。（不会的，可以联系我）

         打开requirements.txt文件，在torch和torchvision前加#号，如图14-1所示：

                                                                             图14-1 备注掉torch和torchvision

复制第一行命令（不要复制#号），即

pip install -r requirements.txt

       随后在对应的文件夹导航栏输入cmd，敲击回车，如图14-16所示：

                                                                             图14-2 安装其他依赖操作示意图（1）

                                                                           图15 安装其他依赖操作示意图（2）

                                                                           图16 安装其他依赖操作示意图（3）

5、下载权重

网址：Releases · ultralytics/yolov5 · GitHub

       打开网址后下，如图17所示。一直往下拉，找到图18所示的地方，直接点击红框圈中的文件名下载对应文件，一共有4个。将这4个权重剪切到如图19所示的目录中。

                                                                                                                                   图17 首页

                                                                                                 图18 权重截图

                                                                            图19 目录结构

五、运行Yolov5

       打开存有“Yolov5_master”的文件夹，如图20所示。随后，在红框位置即目录导航栏输入“cmd”，并敲击回车，输入“jupyter lab”,回车。即可显示如图21-23所示的界面。接下来，按照图的操作进行。

                                                                                       图20 目录结构2

                                                                         图21 jupyter lab界面1

                                                                         图22 jupyter lab界面2

                                                                         图23 jupyter lab界面3

       可以将自己的图片等资源放进“source/data/images”目录中。在运行代码时，指明文件名（包含文件后缀），重新运行代码，即可进行识别，最后会有信息提示识别的产物存储在哪里。至此Yolov5环境已安装成功。

       细心的同学可能又发现了，解压完Yolov5的压缩包后，直接打开jupyter lab运行inference不就可以直接安装依赖了吗？是的，这是在很理想的网络条件下才可以，而且这样做安装的Pytorch版本很可能是CPU版本的。

附录一 下载安装Pytorch

1.复制命令行里的网址，网址的位置如图24所示，并粘贴到浏览器的网址导航栏里。例如：

https://download.pytorch.org/whl/cu111/torch-1.8.1%2Bcu111-cp39-cp39-win_amd64.whl，

即可开始下载对应的文件。

                                                                         图24 网址位置示意图

2.将对应文件剪切到某一目录下，在该目录的导航栏处输入cmd，敲击回车（和图14中打开cmd的方法一样），即可在对应目录

下打开cmd命令框。将文件名连同文件后缀复制，在cmd命令框中输入：“pip install xxxxx”（xxxxx代表刚才复制的内容），回

车，即可开始安装。如图25所示：

                                                                         图25 命令输入图

安装成功即可出现以下标志如图26所示，检验的命令和上面说的一样。

                                                                         图26  成功安装

附录二 下载安装torchversion

1.复制命令行里的网址，网址的位置如图27所示。例如：https://download.pytorch.org/whl/cu111/torchvision-0.9.1%2Bcu111-cp39-cp39-win_amd64.whl，即可开始下载对应的文件。

                                                                                       图27 网址位置示意图

2.将对应文件剪切到某一目录下，在该目录的导航栏处输入cmd，敲击回车，即可在对应目录下打开cmd命令框。将文件名连同文件后缀复制，在cmd命令框中输入：“pip install xxxxx”（xxxxx代表刚才复制的内容），回车，即可开始安装。和附录一的过程类似。就不再多叙述了。torchaudino在requirements.txt没有被要求，所以就不必理会了。