yolov5环境搭建1

yolov5环境搭建 yolov5 是一个基于 PyTorch 的目标检测模型，它需要 Python>=3.6.0 和 PyTorch>=1.7，下面是 yolov5 环境搭建的详细步骤。 需要检查 Python 版本，使用 `python3 -m pip -V` 命令检查 Python3.6 版本的 pip 是否安装及其版本。如果未安装，可以使用 `sudo apt-get install python-pip` 命令安装。 接下来，需要下载 yolov5 的源码，使用 `git clone -b v6.0 https://github.com/ultralytics/yolov5.git` 命令下载 v6.0 版本的源码。请注意，不建议使用 GitHub 主页推荐的 `pip install -r requirements.txt` 命令安装依赖包，应该手动安装依赖包。 需要安装 torch，安装 gpu 版本的 torch 可以使用以下命令：`pip install torch==1.8.0+cpu torchvision==0.9.0+cpu torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html` 然后，需要安装其他依赖包，包括 matplotlib、numpy、opencv-python、Pillow、PyYAML、requests、scipy、tqdm、tensorboard、pandas、seaborn 和 thop，可以使用以下命令安装： ``` pip3 install matplotlib==3.2.2 pip3 install numpy==1.18.5 pip3 install opencv-python==4.1.2.30 pip3 install Pillow==7.1.2 pip3 install PyYAML==5.3.1 pip3 install requests==2.23.0 pip3 install scipy==1.4.1 pip3 install tqdm==4.41.0 pip3 install tensorboard==2.4.1 pip3 install pandas==1.1.4 pip3 install seaborn==0.11.0 pip3 install thop ``` 安装完环境后，在 yolov5 源码目录下，找到 detect.py 文件，检查 parser.add_argument 这个语句所在行，注意--weights 后的默认参数为模型文件所在目录；--source 后的默认参数为要识别的图片的路径（多个图片可以是其文件夹路径）；--device 后的默认参数为用来识别的设备，数字表示 gpu 号，若需要 cpu 运行则将参数改为 cpu；--imgsz 表示图像输入大小，yolo 会根据这个参数剪裁图片；--conf-thres 为识别的置信度；--iou-thres，这个 IoU 阈值设置小一些可以防止出现重复框。 终端通过 cd 指令进入源码目录，运行 `python3 detect.py`，在源码目录下 runs 文件夹可以看到识别结果。 如果需要安装 gpu 版本的 torch，可以使用以下命令： 台式机上： 1. 需要更新 apt 仓库，使用 `sudo apt update` 命令更新。 2. 然后，需要升级系统，使用 `sudo apt upgrade` 命令升级。 3. 接下来，需要检查显卡驱动，使用 `nvidia-smi` 命令检查。 4. 如果没有安装显卡驱动，可以使用 `sudo ubuntu-drivers autoinstall` 命令安装。 5. 然后，需要选择对应的 CUDA 版本，查看 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html页面，选择对应的 CUDA 版本。 6. 需要安装 gpu 版本的 torch，可以使用以下命令：`pip install torch==1.8.0+cu101 torchvision==0.9.0+cu101 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html` jetson nano 板卡上： 1. 需要更新 apt 仓库，使用 `sudo apt update` 命令更新。 2. 然后，需要升级系统，使用 `sudo apt upgrade` 命令升级。 3. 接下来，需要检查显卡驱动，使用 `nvidia-smi` 命令检查。 4. 如果没有安装显卡驱动，可以使用 `sudo ubuntu-drivers autoinstall` 命令安装。 5. 然后，需要选择对应的 CUDA 版本，查看 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html页面，选择对应的 CUDA 版本。 6. 需要安装 gpu 版本的 torch，可以使用以下命令：`pip install torch==1.8.0+cu101 torchvision==0.9.0+cu101 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html`