yoloV5环境搭建与运行（windows+pytorch+kaggle）

运行yoloV5

一开始对图像处理一无所知，只是因为课堂作业要求去运行代码，所以要从环境搭建开始，一步步建立环境并且运行代码，其中还不包括调参，写下来记录一下。

环境：Windows+anaconda+pytorch

yolov5：https://github.com/ultralytics/yolov5

云端GPU：kaggle

1、环境搭建

为什么要搭建环境？

是因为在运行代码的时候包太多，如果只存在base解释器中，包不太好管理，所以要新建环境进行包管理。

系统中最初始的就是base解释器，要建立新的python解释器，首先要先下载anaconda（作用：Anaconda（官方网站）就是可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项）。

1、anaconda下载

这个去官网下载即可（我下载时候的难题：每次点击download都会跳转一个新页面，就是不下载，（估计我的电脑有点问题）解决办法：右键点击在新标签页内打开，就可下载啦）下载之后一定要将anaconda加入到环境变量中（检验方法：win+R:在cmd中输入conda list 如果没有报错，就证明这一步没问题啦）

加入环境变量的方法：1、在安装的时候直接勾选选项（但是官方不推荐）

2、安装好之后直接编辑环境变量，以我的为例

（记得更改自己的安装路径）

2、环境配置（建立解释器（也叫包管理））

这个需要在cmd中进行指令

1. 创建虚拟环境

2. 进入虚拟环境

   conda activate 名字

   conda create -n 名字 python=3.6（版本可以改）

   途中需要输入‘y'来完成安装

3. 修改conda镜像源

   因为conda原始源为国外的，所以有时候下载会很慢，所以将其修改为镜像源

   onda config --add channels Index of /anaconda/pkgs/free/win-64/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror conda config --add channels Index of /anaconda/pkgs/main/win-64/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror conda config --set show_channel_urls yes

4. 安装pytorch

   这个需要去pytorch官网依照自己的电脑情况进行下载指令选择

   我理解的是如果电脑没有独显，则不能选择cuda，我的选择如下

   （看教程说可以去掉 -c pytorch）

   这里面可以指定torch版本，下面是我下载的，版本要和python对应

5. 现在环境配置已经完成了 conda info -envs ，可以查看现在已有的虚拟环境

配置好环境的用处是使用python解释器，以pycharm为例，点击-file--settings--projiect interpreter,可以选择你建立好的虚拟环境，在这个环境下运行代码

2、yolo算法的运行

1. 代码下载

   这个可以去GitHub上寻找官方的代码https://github.com/ultralytics/yolov5（这个是yolov5的代码），截止到2022.11，现在的最新版本是6.2，我下载的就是6.2版本的

2. 下载本地以后，将其导入到本地，一定要将项目解释器选择为刚才搭建的虚拟环境，否则会出现import报错的情况

3. 在导入的时候可能会发现报pycocotools的错误，这时候需要去Microsoft C++ 生成工具 - Visual Studio下载工具，安装一下

   安装完成之后，直接在pycharm终端输入：pip install pycocotools，这时候就不会报错啦

   然后再输入 pip install requirements.txt

这时候可以直接运行detect.py ，会在此处显示效果

训练模型

因为我的电脑不太ok，所以选择了kaggle（云端GPU）进行模型训练，（可能Google Calob也可以，但是我打不开网址，所以就选择的kaggle）

1. 进入kaggle官网，登录账号，没有账号的话点击进行注册，但是有时候注册点击‘next’时，没有反应，这时候可以参考这个博文(6条消息) kaggle无法注册（含解决方案）Moniko_yo的博客-CSDN博客kaggle注册不了

2. 注册完成后，如果从本地加载data，则会在input路径下进行显示 但是这就导致了一个问题，他在写文件时候报错了，然后不知道怎么解决这个问题

3. 为了解决这个问题 ，就选择了用git clone将其下载到output路径下，就可以正常运行啦

!git clone GitHub - ultralytics/yolov5: YOLOv5 in PyTorch > ONNX > CoreML > TFLite

然后点击下载所需要的环境

pip install -r ./yolov5/requirements.txt

最后运行train.py

!python ./yolov5/train.py

最后生成的训练好的best.pt文件在runs/train文件下，但是这时候我的文件夹一直打不开，不出现下载按钮，电脑下载不了，所以就选择将其搞成压缩包，然后之后下载 运行以下代码就可以

`import osimport zipfileimport datetime`

*def file2zip(packagePath, zipPath):* *'''* *:param packagePath: 文件夹路径* *:param zipPath: 压缩包路径* *:return:* *'''* *zip = zipfile.ZipFile(zipPath, 'w', zipfile.ZIP_DEFLATED)* *for path, dirNames, fileNames in os.walk(packagePath):* *fpath = path.replace(packagePath, '')* *for name in fileNames:* *fullName = os.path.join(path, name)* *name = fpath + '\\' + name* *zip.write(fullName, name)* *zip.close()*

*if __name__ == "__main__":*

#文件夹路径

*packagePath = '/kaggle/working/yolov5/runs'* ​ *zipPath = '/kaggle/working/output.zip'* ​ *if os.path.exists(zipPath):* ​ *os.remove(zipPath)* ​ *file2zip(packagePath, zipPath)* ​ *print("打包完成")* ​ *print(datetime.datetime.utcnow())*

最后就可以用训练好的模型进行测试啦