AI学习笔记二：YOLOV5环境搭建及测试全过程

若该文为原创文章，转载请注明原文出处。

记录yolov5从环境搭建到测试全过程。

一、运行环境

1、系统：windows10 （无cpu)

2、yolov5版本：yolov5-5.0

3、python版本：py3.8

在创建虚拟环境前需要先把miniconda3和pytorch安装好。

二、虚拟环境搭建

1、打开Anaconda Powershell Prompt(miniconda3)终端，执行下面命令创建python虚拟环境

# conda create -n your_env_name python=x.x
conda create -n yolov5_env python=3.8

创建名为yolov5_env，py3.8的虚拟环境，遇到需要输入时，输入y,会安装一些基本的包。

 如果创建过程中出错或长时间等待，自行换轮子（源）

创建成功后会提示激活环境等，如下图。

 按提示，激活环境

conda activate yolov5_env

激活后，环境就修改了

 三、yolov5测试

1、下载5.0版本

Tags · ultralytics/yolov5 · GitHub

下载后，解压，然后从终端进入目录，比如解压后的文件放在桌面，使用命令cd进入：

目录下有个README.md已经写得很清楚了，可以参照上面的去操作。

2、安装Requirements

 要求python3.8, torch>=1.7,在requirements.txt文件里有指定版本

执行下面命令安装即可，安装如果太慢，就使用国内的源

pip install -r requirements.txt

 太慢使用下面指令安装，使用的是清华源

pip install -r requirements.txt  -i https://pypi.tuna.tsinghua.edu.cn/simple

第一次安装可能会有点久，需要耐心等待

3、测试

测试前需要先下载使用的权重文件。

下载地址：

Release v5.0 - YOLOv5-P6 1280 models, AWS, Supervise.ly and YouTube integrations · ultralytics/yolov5 · GitHub

 

下载yolov5s.pt文件，也可以下载其他的，在yolov5-5.0目录下创建weights，把下载的yolov5s.pt放到weights目录下。

接下来使用下面命令测试

python detect.py --source data/images/zidane.jpg --weights weights/yolov5s.pt

 执行后出错了attributeerror: 'upsample' object has no attribute 'recompute_scale_factor'这个错误，这个错误是PyTorch的版本问题，

降低PyTorch的版本到1.9.0，PyTorch的历史版本Previous PyTorch Versions | PyTorch

pytorch需要根据自己的电脑安装，我使用的是CPU，所以指令最后一条指令

# CUDA 10.2
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=10.2 -c pytorch

# CUDA 11.3
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=11.3 -c pytorch -c conda-forge

# CPU Only
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cpuonly -c pytorch

安装后在次执行，出现“ImportError: DLL load failed while importing _imaging: 找不到指定的模块”的错误

重装pillow：

pip uninstall pillow

pip install pillow

运行成功后，会把结果输出保存到runs/detect/expX中。

 

参数

--source：输入源

                  0  # webcam
                  file.jpg  # image 
                 file.mp4  # video
                 path/  # directory
                 path/*.jpg  # glob
                 'https://youtu.be/NUsoVlDFqZg'  # YouTube video
                 'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP stream

--weights：权重文件，可以是自己训练的，测试使用的是github提供的

参数还有很多，详细参考github上

如此，测试完成，接下来自己编写一个简单的测试程序，并训练自己的数据集。

如有侵权，或需要完整代码，请及时联系博主。