YOLOv5 CPU和GPU环境搭建（道路识别）

一，环境配置

1.代码准备

YOLOv5的代码链接

Github官方链接：
https://github.com/ultralytics/yolov5https://github.com/ultralytics/yolov5

在GitHub上zip文件下载

2.环境下载

conda官网下载Anaconda

python IDE 下载官网https://www.jetbrains.com/pycharm/

一般的话下载社区版就可以了，专业版还需要收费才能使用

Anaconda

安装完成后打开

Anaconda Prompt

命令行输入

创建一个新环境，并激活进入环境。

# 创建了名叫road，python版本为3.8的虚拟环境
conda create -n road python=3.8
# 激活并进入road环境
conda activate road

点击下载python扩展

激活进入环境

3.下载YOLOv5所需的相关依赖库

下载requirements.txt 里面所有的依赖包

下载可在pycharm里也可以在conda环境里

pycharm环境下

进入终端

在终端中

#下载requirements.txt 里面的依赖包
pip install -U -r requirements.txt
#或者下面的也行
pip install -r requirements.txt

conda环境下

在road环境里进入YOLOv5项目

由于我的文件是放在桌面的，所以直接通过桌面进入了，输入时请个人注意一下文件路径

进入之后也是输入

#下载requirements.txt 里面的依赖包
pip install -U -r requirements.txt

4.安装pytorch

安装时要注意一下由于是在外网下载所以下载比较慢，所以要先换源

这里推荐使用清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

#然后再确认一下
conda config --set show_channel_urls yes

之后进入pytorch官网https://pytorch.org/

CPU版本

代码复制下来，在环境中运行

GPU版

GPU版本由于计算机配置不一样，有的人

cuda10.2

可以运行，

cuda11.3

无法运行，这里可以先弄清自己电脑的GPU，再选择适合自己的版本。

安装与CPU方法相同，复制运行下载即可

5.检验

在刚刚建立好的road环境下进入python

导入库

import torch

查看pytorch版本

print(torch.__version__)

如果结果没报错那么pytorch就安装完成了

如果要检验GPU版本是否安装成功只需要查看一下GPU是否可用，如果是True则代表安装成功

就可以使用GPU了

torch.cuda.is_available()

二，运行文件

权重数据下载

官方pt权重文件的下载速度太慢了，所以将自己的分享给大家

链接：https://pan.baidu.com/s/1d0xp8ejYO-suovgN1A-Gvg
提取码：

xfza 

将权重数据放到yolov5-master大目录下

接下来检验一下我们所配置的环境有没有问题

测试

在pycharm的

terminal（

终端

）

中输入以下命令进行模型的测试：

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

测试的图片是data目录下的图片，使用的权重数据就是刚才下载的

yolov5s.pt

，检测结果图片存放在系统新建文件夹data

/runs/

中。

测试图片：

检测结果图片：

总结

本篇文章主要是讲解如何配置yolov5环境，涉及到pytorch的GPU版本和CPU版本的安装会有所区别，因为在进行大量数据的运行时两者跑的速度可以说是天差地别，所以建议大家能用GPU跑的千万不要用CPU跑，当然环境配置好之后还涉及到个人的模型训练，在此文中不做讲解，如果有必要的话，咱们再说吧。

。