yolov5环境搭建(Anaconda-py3.9、PyTorch-CPU、yolov5-4.0、PyCharm)

这篇具有很好参考价值的文章主要介绍了yolov5环境搭建(Anaconda-py3.9、PyTorch-CPU、yolov5-4.0、PyCharm)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1.环境准备

  1. Windows 10
  2. Anaconda(基于Python3.9),已配置好环境变量
  3. yolov5相关的代码、权重文件等,已经打包整理好,可以通过百度网盘绿色下载。链接: https://pan.baidu.com/s/1okVkfpqjI5wD6PigK-AH0w?pwd=yscw 提取码: yscw

2.在Anaconda中创建虚拟环境

Anconda除了提供丰富的科学包外,还可以通过创建虚拟化境的方式用于进行环境隔离。虚拟环境的隔离有效避免了不同的Python项目需要依赖模块的版本不同导致的各种冲突。这里提供一种图形化操作方式。
(1)打开Anaconda Navigator
yolov5环境搭建,程序设计实践,pytorch,YOLO,pycharm
(2)依次点击一下两个按钮,然后在弹出的表单里面填写环境的名字和Python的版本,(例如,环境的名字:DL,Python版本为3.9)
yolov5环境搭建,程序设计实践,pytorch,YOLO,pycharm
yolov5环境搭建,程序设计实践,pytorch,YOLO,pycharm
注:需要仔细看好虚拟环境在哪个目录下,这个路径后面在PyCharm中会用到
(3)打开Anaconda Prompt,使用以下命令可以查看当前有哪些虚拟环境

conda env list

yolov5环境搭建,程序设计实践,pytorch,YOLO,pycharm
可以看到,base环境是下载Anaconda自带的,DL是刚才我们新建的。
可以使用下面的命令进入DL环境

conda activate DL

yolov5环境搭建,程序设计实践,pytorch,YOLO,pycharm
在这个全新的环境下可以下载Python项目依赖的模块。

4.安装PyTorch和部署yolov5代码

(1)如果电脑没有配备GPU显卡,可以先使用CPU版本的PyTorch,对于初学者不会有太大影响,安装起来也比较简单。
访问:PyTorch官网
yolov5环境搭建,程序设计实践,pytorch,YOLO,pycharm
点击上述配置就生成了在conda prompt下的安装命令。

conda install pytorch torchvision torchaudio cpuonly -c pytorch

回到刚才新建的DL环境,直接输入该命令,运行即可。然后安装完毕,可以使用下面的命令查看当前环境下已经安装好的模块和版本信息

pip list

(2)yolov5代码部署和测试

  • 在前面提供的网盘地址中,可以下载“yolov5-4.0.zip”,与之相匹配,权重文件也要下载对应4.0版本的(共计四个.pt文件,比较大)。
  • 把yolov5-4.0解压缩后,放在一个不含有中文字符的路径下:(建议放在一个空间比较大的位置)

yolov5环境搭建,程序设计实践,pytorch,YOLO,pycharm

  • 下载权重文件后,移动到yolov5-4.0\weights目录下:

yolov5环境搭建,程序设计实践,pytorch,YOLO,pycharm

  • 在DL环境下通过requirements.txt来安装yolov5依赖的模块:
pip install -r requirements.txt

可能会出现下面的报错:解决办法是解压缩网盘中的“pycocotools2.0.2.rar”的两个文件夹移到新建的DL环境下(需要先找到Anaconda安装包的位置!)
yolov5环境搭建,程序设计实践,pytorch,YOLO,pycharm
以我的路径为例,是:

D:\Software_Download\Anaconda_Install\Anaconda3\envs\DL\Lib\site-packages

移动后如下图所示:
yolov5环境搭建,程序设计实践,pytorch,YOLO,pycharm
重新执行刚才的命令,就不会报错了。

  • 运行测试程序:在DL环境的命令行中输入以下命令:
python detect.py --source data\Images\bus.jpg --weights weights\yolov5s.pt --img 640

可能会出现以下报错:
yolov5环境搭建,程序设计实践,pytorch,YOLO,pycharm
这是PyTorch代码的小问题,修改方法:找到DL环境的目录,进入Lib\site-packages\torch\nn\modules例如:

D:\Software_Download\Anaconda_Install\Anaconda3\envs\DL\Lib\site-packages\torch\nn\modules

打开upsampling.py,大概在151行的位置,进行如下修改:

return F.interpolate(input, self.size, self.scale_factor, self.mode, self.align_corners)

yolov5环境搭建,程序设计实践,pytorch,YOLO,pycharm
再次运行之前的测试语句,不会报错了,显示的结果如下所示:
yolov5环境搭建,程序设计实践,pytorch,YOLO,pycharm

  • 查看结果:根据上图的提示,可以看到生成的图片上面有了识别出来的候选框。
    yolov5环境搭建,程序设计实践,pytorch,YOLO,pycharm

5.在PyCharm中运行yolov5代码

我们知道,PyCharm是Python代码的编辑器,需要选用合适的解释器才可以正确地运行,也就是说需要选择合适的环境,才能找到程序依赖的模块。
这里使用PyCharm2022.2.2版本(个人感觉新版的界面不是很好看,不太习惯)
(1)鼠标点击yolov5-4.0文件夹,拖拽,放到PyCharm图表上,然后点击信任该文件夹,就可以打开整个代码文件夹了。如下图所示,当我们没有选择Python环境(解释器)的时候,界面会有清楚的提示,此时不可以运行代码。(最上面和右下角,都有提示)
yolov5环境搭建,程序设计实践,pytorch,YOLO,pycharm
(2)点击右下脚 <No Interpreter>,点击 Interpreter Settings,弹出了对话框。点击右上角Add Interpreter,按下图操作,选择DL环境下的Python解释器:
yolov5环境搭建,程序设计实践,pytorch,YOLO,pycharm
然后确认,对话框关闭以后就可以看到环境已经选中了我们刚才创建的DL环境,修改一下python程序中weights的路径,就可以运行代码了。
yolov5环境搭建,程序设计实践,pytorch,YOLO,pycharm

我在搭建环境的时候也遇到了一些小问题,主要参考了以下几篇博客,解决了自己的问题,因此非常感谢大佬们的经验分享!!也真心希望我整理的内容可以帮助到yolov5的初学者!

参考资料:文章来源地址https://www.toymoban.com/news/detail-758606.html

  1. 史上最详细yolov5环境配置搭建+配置所需文件
  2. 【 解决anaconda中安装pycocotools报错:ERROR:Could not build wheels for pycocotools, which is required to i】
  3. Yolov5学习第一周–Win10系统yolov5环境搭建全过程
  4. YOLOV5 | AttributeError: ‘Upsample‘ object has no attribute ‘recompute_scale_factor‘ 问题解决 亲测有效

到了这里,关于yolov5环境搭建(Anaconda-py3.9、PyTorch-CPU、yolov5-4.0、PyCharm)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • YOLOv5——pytorch环境搭建

    环境搭建是一个最最基础而又基本的事情,是一切工作开始前的基本要求。 由于YOLOv7和YOLOv5不兼容,这次用到了YOLOv5,我不得不再使用anaconda创建一个虚拟环境。 Tip:很多人不了解Anaconda存在的意义,就是为了弥补python多版本不兼容问题(在安装过程中,我们不难发现,总是

    2024年02月17日
    浏览(38)
  • 用Docker搭建yolov5开发环境

    下面是使用Docker搭建yolov5开发环境的详细步骤: 如果你的电脑上还没有安装Docker,可以按照Docker官网的说明进行安装。 在开始之前,需要先将yolov5的代码下载到本地。可以使用以下命令将代码克隆到本地: git clone https://github.com/ultralytics/yolov5.git 在yolov5的代码目录下,有一个

    2024年02月15日
    浏览(40)
  • Win11+Anaconda+Pycharm+Yolov8开发环境搭建与检测验证

    Anaconda+CUDA_cuDNN的安装这里就不详细介绍了,按照网上的教程基本可用,但是我的难题主要集中在Pycharm新建conda虚拟环境和Yolov8的工程验证上,所以本文记录自己解决问题的过程。 一,Ultralytics官网下载Yolov8源码,解压后放置在自定义目录下 官网下载链接:https://github.com/ult

    2024年02月03日
    浏览(62)
  • 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。 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。 1、打开Anaconda Powershell Prompt(miniconda3)终端,执行下面命令创建python虚拟环境

    2024年02月09日
    浏览(41)
  • YOLOv5入门实践(1)——手把手带你环境配置搭建

      这两天我将pycharm社区版换成了专业版,也顺带着把环境从CPU改成了GPU版,本篇文章也就是我个人配置过程的一个简单记录,希望能够帮到大家啦~ ​   🍀本人YOLOv5源码详解系列:  

    2024年02月04日
    浏览(70)
  • 从零开始的机械臂yolov5抓取gazebo仿真(环境搭建篇下)

    sunday我给自己机械臂的命名,原型是innfos的gluon机械臂。通过sw模型文件转urdf。Sunday项目主要由六个功能包sunday_description、sunday_gazebo、sunday_moveit_config、yolov5_ros、vacuum_plugin、realsense_ros_gazebo组成,下面我将介绍这六个功能包。 首先介绍个人使用环境,博主使用的是Ubuntu18.04

    2023年04月08日
    浏览(50)
  • YOLOv5:解读general.py

    记录一下自己阅读general.py代码的一些重要点,方便自己查阅。特别感谢,在参考里,列举的博文链接,写得很好,对本人阅读理解yolo.py代码,有很大帮助。 由于本人水平有限,难免出现错漏,敬请批评改正。 更多精彩内容,可点击进入YOLO系列专栏、自然语言处理 专栏或我

    2024年02月10日
    浏览(47)
  • (四)yolov5--common.py文件解读

     🍨 本文为🔗365天深度学习训练营 中的学习记录博客 🍖 原作者:K同学啊|接辅导、项目定制  参考网址:https://blog.csdn.net/qq_38251616/article/details/124665998                   yolov5 代码解读 --common.py_XiaoGShou的博客-CSDN博客         上次对yolov5s.yaml文件进行了解读,这次在

    2024年02月09日
    浏览(40)
  • yolov5的detect.py代码详解

    目标检测系列之yolov5的detect.py代码详解 哈喽呀!今天又是小白挑战读代码啊!所写的是目标检测系列之yolov5的detect.py代码详解。yolov5代码对应的是官网v6.1版本的,链接地址如下:https://github.com/ultralytics/yolov5 废话不多说,直接上代码啦! 代码如下(示例): 代码如下(示例

    2024年02月04日
    浏览(46)
  • Python —— 解析Yolov5 - detect.py

    Yolov5自带detect.py加入cv2简单操作      说明:im0为mat的原图     detect.py参数解析      1、运行detect.py的两种方式:           (1)、 使用命令 :                python detect.py --source ./testfiles/img1.jpg --weights runs/train/base/weights/best.pt --c

    2024年02月12日
    浏览(43)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包