YOLOv5解析 | 第一篇：快速部署YOLOv5模型

大家好，我是『K同学啊』！

拖了好久，终于要开始目标检测系列了。自己想过好几次，想尽快出几期目标检测算法的博客教程，但是一直苦于不知道如何写，才能让大家轻松、快速、高效的入门目标检测算法。这段时间终于有个一个比较靠谱的思路。我是这样计划的：
首先，带大家先将算法跑起来，不然都不知道在干嘛，纯理论的东西看着头都大了，然后，教大家将官方的数据集更换成我们自己的数据集，并完成模型的训练。其次，在我们代码可以运行的情况下，从整体上讲解算法的结构。最后，挑选代码中一些比较关键的点，进行详细讲解。

文章目录

一、前言

YOLO系列是目前最热门的目标检测算法，那就拿它“开刀”了。YOLO目前已经更新到了YOLOv5，由于YOLOv5太新了，目前TensorFlow2版本还未出来（网上存在一些tf版本的，但是大概率不靠谱，就不踩坑了），那就用PyTorch吧，反正PyTorch迟早也是要学的嘛。PyTorch与TensorFlow的区别如下：

• TensorFlow：更倾向于工程人员，落地比较好。
• PyTorch：比较倾向于研究人员，前沿算法用得比较多。

某宝上找人帮忙给小项目换一个框架（TensorFlow互转PyTorch），收费一般是

1K

起步，所以啊，技多不压身。

YOLOv5又分为Yolov5s、Yolov5m、Yolov5l、Yolov5x四个版本，我这里以Yolov5s为例。

📌【YOLOv5开源地址】

二、下载源码

安装需要的环境

• 安装PyTorch环境，小白请移步这里：小白入门深度学习 | 第四篇：配置PyTorch环境
• 安装其他项目依赖包，请进入项目文件在文件地址栏中直接输入cmd，打开cmd后输入：

pip install -r requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/

其中

-i https://pypi.mirrors.ustc.edu.cn/simple/

为中国科技大学的镜像，可以加快环境包的下载速度。

如何打开CMD命令行

三、运行代码

需要的环境

• Python>=3.6.0
• PyTorch>=1.7

以同样的方法打开

cmd

，输入命令：

python path/to/detect.py --source path/to/img.jpg --weights yolov5s.pt --img 640

，注意需要将图片路径替换成你的，例如：

python detect.py --source data\images\zidane.jpg --weights yolov5s.pt --img 640

。这里我们使用的是官方已经帮我们训练好的模型。

在这个过程中，你中途可能会遇到这两个问题，不用担心，这是网络问题多试几次就好了。

• TimeoutError: [WinError 10060] 由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败。
• TypeError: unlink() got an unexpected keyword argument 'missing_ok'

如果你还是一直这样，将 yolov5s.pt （提取码：bum6）文件放到项目的主目录下ok吧，上面的两个错误都是由于下载这个文件、下载失败缺少这个文件导致的。

命令运行成功后，你将会得到如下的反馈：

进行文件夹查看我们的检测结果：

四、视频检测

同样的方法打开

cmd

输入：

python detect.py --source MyVideo_2.mp4

我的 实验视频（提取码：9vaq），或许你用得到。

你将会得到如下运行结果（因为版权问题放不了视频，难受~）