目录1. 查看电脑状况2. 安装所需软件2.1 Anaconda3安装2.2 Pycharm安装3. 创建虚拟环境安装pytorch3.1 创建虚拟环境3.2 安装cudapytorch3.2.1 安装cuda3.2.2 安装pytorchGPU版3.3 安装CPU版本4. 配置yolov5环境4.1 下载yolov5源码4.2 安装yolov5所需库4.3 pycharm打开yolov55. 验证环境1. 查看电脑状况深度学习的训练对于电脑显卡要求较高若电脑没有独立显卡NVIDIA卡或者是AMD的显卡无法使用GPU进行训练只可以用CPU进行训练会慢很多。若不清楚电脑有无显卡可以打开任务管理器点击性能往下找GPU就可以看到是否有独立显卡不清楚是否为独立显卡则搜索型号。若有独立显卡则安装GPU版本的pytorch若无独立显卡则安装CPU版本的pytorch。点击下载训练源码 夸克网盘下载 建议先全部转存提前下载若有需要下载的资源失效可至公众号获取百度盘链接下载。YOLOv5网络结构图论文必备无水印图可 微信公众号-笑脸惹桃花 回复“555” 获取。2. 安装所需软件推荐安装Anaconda3Pycharm会安装或者安装过了则跳过这一步2.1 Anaconda3安装Anaconda3由于是国外网站下载较慢推荐通过清华镜像源安装或者点击网盘下载。Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source MirrorIndex of /anaconda/archive/ | 清华大学开源软件镜像站致力于为国内和校内用户提供高质量的开源软件镜像、Linux 镜像源服务帮助用户更方便地获取开源软件。本镜像站由清华大学 TUNA 协会负责运行维护。https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?CMODhttps://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?CMODhttps://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?CMOD选择带有Anaconda3...Windows...exe 字样的进行下载建议从最新版往后边找几个最新版一般不够稳定。下载完之后打开Anaconda3进行安装一直点下一步选Just Me安装路径可以直接复制粘贴修改到 D:\Anaconda3 也可以修改到其他路径。​安装时全选。2.2 Pycharm安装安装Pycharm可以直接去官网下载速度较快也可以点击网盘下载相同版本。下载 PyCharmJetBrains 出品的用于数据科学和 Web 开发的 Python IDE现在最新版本的 PyCharm适用于 Windows、macOS 或 Linux。https://www.jetbrains.com/zh-cn/pycharm/download/?sectionwindowshttps://www.jetbrains.com/zh-cn/pycharm/download/?sectionwindowshttps://www.jetbrains.com/zh-cn/pycharm/download/?sectionwindows往下拉下载第二个免费版就可以。下载完之后安装一直点下一步遇到选择路径 修改路径到D盘或者其它除C盘再遇到勾选的选项全部勾选就可以。​3. 创建虚拟环境安装pytorch3.1 创建虚拟环境按下Win键输入anaconda prompt,打开推荐的应用。​默认进入的是base环境此时需要新建环境在新建环境之前建议更改默认的pip源和conda源。更改代码如下直接输入即可这里选择更换的是中科大源。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此时新建虚拟环境需要关闭加速软件这里创建一个名为yolov5python版本为3.9的虚拟环境也可以修改为其他名。conda create -n yolov5 python3.9注意此时如果报错UnavailableInvalidChannel: HTTP 404 NOT FOUND for channel anaconda/pkgs/free https://mirrors.ustc.edu.cn/anaconda/pkgs/freeThe channel is not accessible or is invalid.You will need to adjust your conda configuration to proceed.Use conda config --show channels to view your configurations current state,and use conda config --show-sources to view config file locations.等错误需要修改.condarc文件的内容具体路径为c:\users\用户名\.condarc找不到请显示隐藏文件使用记事本打开复制下面这一段进去替换掉原本所有的内容替换完之后保存即可。channels: - defaults show_channel_urls: true channel_alias: http://mirrors.tuna.tsinghua.edu.cn/anaconda default_channels: - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud此时再次创建yolov5虚拟环境conda create -n yolov5 python3.9显示如下则正常创建输入y 并回车。​创建完之后输入conda activate yolov5进入yolov5环境之中此时有NVIDIA显卡安装GPU版看3.2其它需要安装CPU版看3.3。3.2 安装cudapytorch3.2.1 安装cuda在安装pytorch前需要安装cuda若无显卡则跳过下载cuda前需要先查看显卡支持的CUDA版本最高是多少按下winr键输入cmd在打开的页面输入nvidia-smi 即可查看​上图红框位置显示即为cuda最高支持版本本教程最高版本达到11.8即可若没有达到则需要更新显卡驱动。CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive在这个网站挑选下载或者使用夸克网盘下载或者点击下载。下载完之后运行安装建议安装到默认路径所以C盘需要留有20G以上的存储空间一直点击下一步直到出现这个界面点击自定义然后全部勾选再一直下一步即可。​安装完成后可以再次在cmd里输入命令nvcc -V 查看如下显示即安装成功。​进入cudnn官网选择合适版本的文件。cuDNN Archive | NVIDIA Developerhttps://developer.nvidia.com/rdp/cudnn-archivehttps://developer.nvidia.com/rdp/cudnn-archive进入后在文件列表中选择cudnn版本与上面cuda安装相匹配的版本。下载Windows版本的压缩包文件。​下载需要登录也可以复制下载链接打开迅雷下载或者点击链接下载下载cudnn。将得到的压缩文件进行解压解压后得到下图三个文件夹全选复制进cuda的文件夹中进行覆盖替换替换完成后即cudnn安装完成。按照本文教程安装的cuda的文件夹默认在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8 目录下。3.2.2 安装pytorchGPU版打开prompt 输入conda activate yolov5进入yolov5环境之后输入即可安装pytorch,耐心等待安装完成需要注意关闭加速软件否则会下载失败pip install torch2.0.0cu118 torchvision0.15.1cu118 --extra-index-url https://download.pytorch.org/whl/cu118torch及相关库比较大需要耐心等待下载完之后出现 done 则安装完成因为是外网如果下载不下来可以点此下载torch 夸克网盘下载然后通过pip install安装本地文件的方式安装可以参考下图的方式将torch放入d盘的test文件夹下通过cd将文件目录跳转再输入如下指令。只支持python3.9版本其余版本无法安装pip install torch-2.0.0cu118-cp39-cp39-win_amd64.whl耐心等待安装完成后再输入下面的指令通过pip安装其余库。pip install torch2.0.0cu118 torchvision0.15.1cu118 --extra-index-url https://download.pytorch.org/whl/cu1183.3 安装CPU版本有显卡的按照上述流程安装后即可跳过本部分无显卡则需要按照下述方法进行打开prompt ,进入yolov5环境之后输入如下命令即可安装cpu版本的pytorchpip install torch2.0.0 torchvision0.15.1 torchaudio2.0.1 --index-url https://download.pytorch.org/whl/cpu安装完成则可以进行下一个步骤4. 配置yolov5环境4.1 下载yolov5源码yolov5源码地址GitHub - ultralytics/yolov5: YOLOv5 in PyTorch ONNX CoreML TFLiteYOLOv5 in PyTorch ONNX CoreML TFLite. Contribute to ultralytics/yolov5 development by creating an account on GitHub.https://github.com/ultralytics/yolov5/https://github.com/ultralytics/yolov5/点进去下载代码建议下载Tags下的v7.0版本最新版不稳定容易出现一些异常情况进不去可能需要科学上网或者点击夸克网盘下载压缩包内附带yolov5n.pt和yolov5s.pt。目前yolov5的页面还在一直更新代码点进去可以看到main的文件一直在更新但是库的配置文本已经很久没有更新因此如果下载main的代码就可能出现安装了但是仍然报错的问题出现此类报错可以在评论区询问。下载完成之后解压到D盘或其它盘文件夹内。4.2 安装yolov5所需库需要通过anaconda prompt 进入yolov5环境中按照下图cd到yolov5根目录下。进入yolov5根目录之后需要通过pip安装所需库指令如下。pip install -r requirements.txt耐心等待全部安装完成至此环境安装完成。4.3 pycharm打开yolov5点击鼠标右键yolov5文件夹通过pycharm打开打开后需要配置虚拟环境点击file-settings点击projectultralytics点击python interpreter点击右边add....若为中文则翻译后点击相同含义的位置。​点击Virtualenv Environment - Existing点击右边三个点找到刚才设置的D:\Anaconda3\envs\yolov5\python.exe 路径之后一直点确定即可耐心等待环境加载完毕。或者新版本的界面更为简单按照下图方式选择就可以选择python接着选择刚刚添加的yolov5环境选择python.exe​再次进入yolov5源码页面往下翻找到权重文件或者点击夸克网盘下载。点击蓝字下载建议yolov5s.pt速度相对快且精度较高。5. 验证环境下载完成后将权重文件复制到yolov5根目录下,此时可以去网上下载一只猫猫的jpg图片将其放到data/images目录下。检测环境是否有问题可以运行detect.py修改方框中为刚下载的权重文件名即可。输出下图即环境正常可以顺着路径查看检测后的图片可爱的猫猫一张~报错 ImportError: DLL load failed while importing _imaging: 找不到指定的模块是pillow版本问题导致的错误输入如下指令降低pillow的版本即可解决此问题。pip install pillow8.4.0如果报错中有numpy相关的语句如 RuntimeError: Numpy is not available compiled using NumPy 1.x cannot be run in NumPy 2.1.2 as it may crash. To support both 1.x and 2.x versions of NumPy, modules must be compiled with NumPy 2.0. 等等可以将numpy降级输入如下代码即可解决此类问题。pip install numpy1.26.3需要训练自己的数据集可以看这篇博客。目标检测yolov5训练自己的数据集新手小白也能学会训练模型一看就会-CSDN博客文章浏览阅读7.5k次点赞73次收藏179次。训练自己的数据集分为4部分先配置环境再获取制作自己的数据集然后修改配置训练最后验证训练结果可选择将结果进行可视化界面展示。yolov5训练起来较为简单跟yolov8相差不多如果有其他目标检测的数据集理论上可以直接拿来用从第3训练模型开始看新手小白0基础建议一步一步跟着来哪里看不懂的或者遇到哪有问题可以评论区交流或者私信问~_yolov5训练自己的数据集https://blog.csdn.net/qq_67105081/article/details/138233660有疑问可以评论区交流关注微信公众号 快速联系我~