PyTorch+Yolov5环境搭建

重要提示：本文章仅作为技术分享与学习交流，严禁用于其他任何用途，如有任何问题请及时与我联系，谢谢！

一、Yolov5下载

• 打开yolov5的github的官网选择最新版本进行下载
  
• 注意Python与Pytorch的版本要求
  

二、Python环境

• 详见之前文章Python版本管理-Miniconda
• 创建一个名为pytorch的Python3.8环境并激活

conda create -n pytorch python=3.8
conda activate pytorch

三、PyTorch安装

• 确认最高支持的CUDA版本，在cmd中执行nvidia-smi查看
  
• 打开pytorch的官网，根据自己系统选择对应的配置。最后在激活的pytorch环境中执行红色框的命令等待安装完成即可
  

四、PyTorch校验

• 打开Pycharm，将当前解释器切换到新创建的pytorch环境
  
• 执行如下代码，无异常即可

import torch
# Pytorch的版本
print(torch.__version__)
# True说明cuda已经安装
print(torch.cuda.is_available())
# True说明cudnn已经安装
print(torch.backends.cudnn.is_available())
# cuda的版本
print(torch.cuda_version)
# cudnn的版本
print(torch.backends.cudnn.version())

五、Yolov5校验

• 解压下载文件后进入文件夹会看到名为requirements的文件，为Yolov5所需要的依赖库，在终端执行pip install -r requirements.txt进行安装即可。
• 相关依赖安装完成后，直接运行detect.py文件进行环境测试。
• 运行过程中会自动下载一个yolov5s.pt的权重模型（黄色框）。下载成功后自动识别data\images下的图片（蓝色框）。识别到的类别（红色框）。识别的标记结果保存到runs\detect\exp下（绿色框）。
  
• 识别的标记结果如下，至此Yolov5运行成功
  

六、训练指令说明（train.py）

• 详细地址
  

七、检测指令说明（detect.py）

• 详细地址
  

八、导出指令说明（export.py）

• --weights需要导出的pt模型路径
• --imgsz模型推理的图片分辨率大小
• --include指定需要的模型

九、最后

• 有什么疑问欢迎留言！
• 公众号乱炖Set，欢迎前来关注！