yolov5 win10 CPU与GPU环境搭建过程

前言

最近实习任务为黑烟检测，想起了可以尝试用yolov5来跑下，之前一直都是用的RCNN系列，这次就试试yolo系列。

一、安装pytorch

1.创建新的环境

打开Anaconda Prompt命令行输入
创建一个新环境，并激活进入环境。

# 创建了名叫yolov5的，python版本为3.8的新环境
conda create -n yolov5 python=3.8
# 激活名叫yolov5的环境
conda activate yolov5

2.下载YOLOv5 github项目

下载地址为：

https://github.com/ultralytics/yolov5

如果安装了git可以使用git clone https://github.com/ultralytics/yolov5，没有的话直接下载zip压缩包也行，把压缩包解压到指定目录就行。

3.安装相关依赖库和包

查看一下requirements.txt 里面的内容并下载所有的依赖包
依次安装，建议可以用清华源进行安装：
先把清华源设置成默认：

pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

再依次安装：

pip install tqdm
pip install scipy
pip install pyyaml
pip install matplotlib
pip install opencv-python==4.1.2.30
pip install requests
pip install seaborn
pip install pandas

安装pytorch需要注意一下：
还是要先换源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

然后再用下面的命令代码确认

conda config --set show_channel_urls yes

之后进入官网https://pytorch.org/找到合适的版本，如果你是安装cpu版

运行conda install pytorch torchvision torchaudio cpuonly

如果你是安装GPU版

运行conda install pytorch torchvision torchaudio cudatoolkit=10.1
这里个人的计算机配置不一样，就拿我的来说cuda10.1可以运行，cuda11无法运行GPU版，这里可以多试几次找到适合自己的版本。

4.验证

在刚刚建好的yolov5环境下启动python

python
#输入库
import torch
#查看版本
print(torch.__version__)

CPU版如果到这步不报错，就说明安装成功了。

GPU版需要再运行一些代码查看

#查看gpu是否可用
torch.cuda.is_available()
#返回设备gpu个数
torch.cuda.device_count()

一切正常的话，GPU版的pytorch就安装成功了

二、运行detect.py文件

在建好的yolov5环境下输入：

python detect.py

会默认下载最小的yolov5s.pt文件
检测结果如下：

来源：https://blog.csdn.net/JulyLi2019/article/details/111666353