FireFly RK3588开发板上烧录的Ubuntu20.04系统，在此基础上线部署下简单的Python版本yolov5代码，目前博主已全部转为C++版本了，并且转化了pt模型为rknn模型，调用npu进行推理，效果和速度都比原先Python代码好很多。本篇主要介绍如何部署和运行yolov5目标检测代码。
🍉1、安装anaconda
Anaconda是流行的Python/R数据科学和机器学习平台，用于大规模数据处理，预测分析和科学计算。Anaconda附带了250个开源数据包，并且可以从Anaconda存储库中安装超过7500个其他包。 它还包括conda命令行工具和称为Anaconda Navigator的桌面图形用户界面。
1、进入Anaconda官网，下载安装包，注意文件后缀是你的系统架构，比如x86、amd64或者aarch64，可以通过下面命令查看。
2、cd到你的下载目录，然后
bash Anaconda3-2022.05-Linux-aarch64.sh
，进行安装，会看到以下画面：
Welcome to Anaconda3 2022.05
In order to continue the installation process, please review the license
agreement.
Please, press ENTER to continue>>>
3、按ENTER继续。要滚动浏览许可证，请使用ENTER键。审查完许可后，将要求您批准许可条款：
Do you approve the license terms? [yes|no]
4、键入yes接受许可，系统将提示您选择安装位置：
Anaconda3 will now be installed into this location:
/home/firefly/anaconda3
- Press ENTER to confirm the location
- Press CTRL-C to abort the installation
- Or specify a different location below
5、默认位置对于我们大多数用户来说已经就可以，按ENTER确认安装位置。安装可能需要一些时间，完成后，脚本将询问您是否要运行conda init，键入yes。
Installation finished.
Do you wish the installer to initialize Anaconda3
by running conda init? [yes|no]
6、这会将命令行工具conda添加到系统的PATH中。要激活Anaconda安装，您可以关闭并重新打开终端，或者通过键入以下命令来将新的PATH环境变量加载到当前的shell会话中：
source ~/.bashrc
7、这样就是成功了安装了Anaconda，现在我们创建一个python3.8的名称为yolo的环境。打开终端，输入
conda create -n yolo python=3.8
回车，输入y确定，等待创建成功即可。
如果你是Windows系统，可以看下win10的anaconda安装配置教程
🍑2、配置yolov5环境
1、从github官网或者gitee镜像网站下载yolov5的代码，我这里下载的是v6.0版本，如果你直接下载的话默认的是最新版，为了保证能顺利运行，建议和我下载一样的版本。然后下载它对应的模型weights，weights分为s，m，l，x四个尺寸的模型文件，我这里就下载了yolov5s.pt，然后把它放在根目录下，如下图所示：
2、在volov5-6.0下的requirements.txt，把numpy == 1.17的 ==1.17删去，然后在该文件夹下的终端中输入
pip3 install -U -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
即可全自动安装前十一个依赖项(-i 选项指定了清华源，速度很快)。
3、安装COCOAPI
进入github，clone下来，在子文件夹PythonAPI下打开终端，输入
make
或者
python setup.py --user
即可安装。如果有报错则可能是缺少依赖或者版本不对，那么用pip安装指定版本即可。
至此，yolo所需的环境配置完成，是不是非常简单，毕竟这些操作都应该是大学生必备技能！
🍦3、运行yolov5算法
1、可以在source这里修改输入源，可以是图像、文件夹、网络视频、rtsp视频流等，或者0调用自带摄像头。
2、然后终端进入我们创建的yolo环境，输入
python detect.py
即可运行。可以看到窗口中是我的IP相机的rtsp流，每个不同类别的目标都有不同颜色的检测框，上面是目标的置信度（预测概率），控制台是每一帧检测情况的日志。
输入命令也可以加上很多参数，比如–source指定输入源，–weights指定权重文件等。
至此，你已经成功运行出yolo算法了，是不是很简单直接呢，作为目标检测最经典的算法，是我们计算机视觉研究者必会算法之一，关于yolov5的网络结构，可以看下它的论文，目前yolov7已经出来了，更新速度非常快。
版权归原作者 振华OPPO 所有， 如有侵权，请联系我们删除。