Yolov5环境搭建

YOLOv5环境搭建

1.创建虚拟环境

打开Anaconda prompt，创建YOLOv5虚拟环境，我的python版本是3.8

conda create -n yolov5 python=3.8

可以在anaconda输入

conda env list

查看创建了那些虚拟环境。

2.调用这个虚拟环境

conda activate yolov5

3.下载Yolov5源码

Yolov5 Github下载地址：https://github.com/ultralytics/yolov5
在刚才的命令窗口输入命令：

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

等待下载完成
下载后可看到目录架构

4.下载Yolov5预训练模型

这是已经训练好的权重和参数数据可直接使用
进入下载地址：https://github.com/ultralytics/yolov5/releases找到最新的 release ,点击下面的 Assets 下载 .pt模型文件。
其中，yolov5 共有四种模型：yolov5s、yolov5m、yolov5l、yolov5x。其中 yolov5s 目标检测速度最快，因为其网络参数最少，但相应的，检测效果相比是最差的；而 yolov5x 是检测效果最好的，参数最多，而时间上最慢。
可以根据需要选择模型文件下载到 yolov5 源目录。

下载完成可看到，皆在Yolov5目录下，如下：

注意：在之后通过 detect.py 对图像进行目标检测的实际操作时，detect.py 默认使用同目录下的 yolov5s.pt 模型，如果想用其他的模型，可以在命令里加入调用来指定。

5.安装Yolov5

在命令行打开Yolov5目录，输入“cd yolov5”
接着在命令行输入“pip install -r requirements.txt”，等待安装完成即可。（pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple 命令会更快！！）

6.测试Yolov5

python detect.py --source ./data/images/bus.jpg

可以看到处理时间为0.122s，结果在“Yolov5\runs\detect\exp”里找到。

参考博主：
[1]: https://blog.csdn.net/m0_58892312/article/details/120923608?utm_source=app&app_version=5.5.0&code=app_1562916241&uLinkId=usr1mkqgl919blen
[2]: https://blog.csdn.net/qq_45175818/article/details/119303246?utm_source=app&app_version=5.5.0&code=app_1562916241&uLinkId=usr1mkqgl919blen