YOLO V5 目标检测算法 - 基础使用

一、环境安装

Anaconda 安装以及环境变量

windows 直接下载安装包安装：下载地址

https://www.anaconda.com/download/success?reg=skipped

安装后配置环境变量

Linux 安装anconda

官方文档：https://www.anaconda.com/docs/getting-started/miniconda/install/linux-install

下载并安装

#下载安装脚本
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
#执行安装脚本
bash ./Miniconda3-latest-Linux-x86_64.sh

会进行下载安装遇到提示直接enter 和 yes 就好

安装完成后刷新配置文件

查看是否存在base 基础环境，默认是base

source ~/.bashrc

使用anaconda 创建python环境

使用的是yolo v5

conda create -n yolov5 python=3.9

conda create -n yolov8 python=3.12

二、yoloV5

使用环境为创建的yoloV5 环境

GitHub：https://github.com/ultralytics/yolov5/tree/master

安装依赖包（命令行执行，需要切换虚拟环境（yolov5））

#安装依赖包
pip install -r .\requirements.txt

等待下载完成即可

测试：已经存在测试文件和测试模型

使用项目中的模型和图片进行测试环境是否安装完成

训练 CPU 训练，会自动下载训练集，字体，对应的模型等

中间可能会遇到字体下载失败，

字体文件 Arial.ttf

或则使用提示中的链接下载复制到对应的目录下即可，其余的下载也是同样的方法

#执行训练 coco128 
python train.py --data coco128.yaml --weights yolov5s.pt --img 640 --device 'cpu' # cpu 'cpu' ,GPU: 0 ,1 ,2,3

训练好的模型文件放在runs下，上面是训练过程，这个是模型保存位置

测试新建pretrained文件夹，将训练好的模型放在里面

#控制台执行coco128
python detect.py --source data/images/bus.jpg --weights pretrained/best.pt

注：GPU训练是被的安装

需要等待一段时间，下载比较慢

pip uninstall torch torchvision torchaudio

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

#测试代码
import torch
def test():
    print(torch.cuda.is_available())  # 应该返回True，如果GPU可用
    print(torch.cuda.device_count())  # 显示可用的GPU数量
    print(torch.cuda.get_device_name(0))  # 显示第一个GPU的名称
if __name__ == "__main__":
    test()