简单快速建立pytorch环境YOLOv5目标检测 模型跑起来

简单快速建立pytorch环境+实现YOLOv5目标检测 模型跑起来（超简单）

一、下载yolov5模型代码：

yolo代码

提取码：2022

下载后解压

二、简单快速创建pytorch环境： 1、条件：

电脑须有NVIDIA独立显卡，绝大多数电脑都符合pytorch要求，无需管CUDA ,CUDNN

已经安装了Anaconda

anaconda安装完成之后请切换到国内的源来提高下载速度 ，命令如下：

conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

2、创建过程：

打开ananconda prompt

输入：

conda create -n Pytorch_GPU python=3.8

执行y

输入：

activate Pytorch_GPU

直接安装 1.8.0 的Pytorch版本，因为电脑都能满足这个版本，并且YOLOv5模型对高版本的torch会报错，

直接输入：

conda install pytorch==1.8.0 torchvision torchaudio cudatoolkit=10.2

安装完成后输入代码检查是否安装成功，能成功调用gpu：(输入python，进入python编辑环境）

import torch
a = torch.cuda.is_available()
print(a)
ngpu= 1
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())

3、适配YOLOv5代码项目条件：

1、进入yolov5文件夹路径，输入cmd：

2、输入conda activate Pytorch_gpu 激活环境，再进一步安装需要的包：

输入 安装程序其他所需的包，包括opencv，matplotlib这些包 ：

pip install -r requirements.txt

pip install pyqt5

pip install labelme

3、安装完成后，关闭，

4、进行项目初步运行起来： 1、用pycharm打开yolo项目：

2、选择创建的Pytorch_GPU为解释器：

本pychram为专业版，如需要专业版的伙伴们可以下载：
专业版

3、打开命令行终端，会显示路径和环境：

5、输入代码，模型实现：

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

可根据路径显示结果：

文件里的detect.py是后需要修改的参数部分：

6、模型跑起来了。

后续就是基于这个模型，去修改为识别其他目标的代码模型了