2080TI Ubuntu18.04 torch1.8保姆级yolov5运行环境搭建

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

提示：这里可以添加本文要记录的大概内容：
小编正在做一个项目，场景适用yolov5，选择该模型，也初次体验一下yolov5带来的“神奇体验”，随着人工智能的不断发展，深度学习这门技术也越来越重要，本文带小白一起踩坑。

---

一、引用资料

（一）、基础部分：
1.深入浅出Yolo系列之Yolov3&Yolov4&Yolov5核心基础知识完整讲解
2.深入浅出Yolo系列之Yolov5核心基础知识完整讲解
3.从V1到V4,让你读懂YOLO原理

（二）、代码部分：
4.YOLOv5代码详解（yolov5l.yaml部分）
5.YOLOv5代码详解（common.py部分）
6.YOLOv5代码详解（test.py部分）
7.YOLOv5代码详解（train.py部分）

（三）、优秀的实际应用：
8.实时吸烟目标检测
————————————————

二、未搭建深度学习环境的需阅读此部分

搭建深度学习环境（显卡驱动-cuda-cudnn-pytorch）

三、开始搭建运行环境

1.下载源码

本文使用的是yolov5官网下的源码（日期：2022年2月23日），稍后我会将本文使用的代码上传至百度网盘，供各位下载，以防官网更新代码，本文档不适用最新版本代码。

使用命令下载源码（最新），若需要历史版本，请在官网上选择master-tags进行切换下载zip文件：

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

cd yolov5

2.激活虚拟环境安装（未搭建虚拟环境的请查看此文档搭建）

conda activate YoloV5  # 未搭建虚拟环境的，也可忽略直接安装在系统的python3环境下
sudo apt-get install bzip2 libreadline-gplv2-dev libncursesw5-dev  # 安装依赖
pip install -r requirements.txt -i http://pypi.douban.com/simple --trusted-host pypi.douban.com  # install

• 建议适用命令一条条下载requirements.txt中的软件包

pip install matplotlib -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install opencv-python -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install opencv-contrib-python -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install Pillow -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install PyYAML -i http://pypi.douban.com/simple --trusted-host pypi.douban.co
pip install requests -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install scipy -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install tqdm -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install tensorboard -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
pip install pandas -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

附上本人的环境版本

由于小编之前安装过pytorch1.8环境，遂将requirements.txt中torch+torchvision两部分使用“#”号注释。

3.实际测试

点击下载 yoloV5模型（访问码：jj3y）
模型放置yolov5目录下

• 使用摄像头测试

#进入虚拟环境
conda activate YoloV5
# 使用本地摄像头进行测试
python detect.py --source 0

测试成功