【YOLOv5】6.0环境搭建（不定时更新）深度学习

引言 【【YOLOv5】6.0环境搭建（不定时更新）】笔者YOLOv5专栏链接导航：

【YOLOv5】6.0环境搭建（不定时更新）
【YOLOv5】训练自己的数据集

笔者一直都非常偏爱yolov5系列，因其非常友好，上手容易，兼容性也比较高（不会有很多苛刻的要求，尤其是对训练的硬件配置），从搭建环境到训练再到应用，都非常简便。让使用者更多的时间花在实际的应用场景的协调上和改进上。
yolov5的最新版本6.1
源码：https://github.com/ultralytics/yolov5/tree/v6.1

文章图片

一些更新信息说明：https://github.com/ultralytics/yolov5/releases/tag/v6.1
笔者更新日期 : 2022.3.2
1.环境搭建

conda create -n yolov5-6 python=3.7 conda activate yolov5-6

官网的安装教程：

文章图片

一般运行到下载torch会非常慢，所以最好单独先安装torch

文章图片

笔者的安装指令流程如下：

git clone https://github.com/ultralytics/yolov5# 1 cd yolov5# 2 pip install -r requirements.txt# 3

根据提示决定安装的版本，如上图所示
官网安装命令 https://pytorch.org/get-started/locally/

文章图片

# 单独安装pythorch(gpu版本) install torch==1.10.2+cu102 torchvision==0.11.3+cu102 torchaudio===0.10.2+cu102 -f https://download.pytorch.org/whl/cu102/torch_stable.html# 4 # 再运行官方安装指令，此时安装就会快很多 pip install -r requirements.txt# 5

若遇到其他的必要库下载很慢，则可以单独安装并使用镜像源

pip install xxx -i https://pypi.tuna.stinghua.edu.cn/simple pip install xxx -i https://pypi.douban.com/simple # 然后再 pip install -r requirements.txt

requirements.txt的内容如下：

文章图片

2.下载预训练模型链接（拉到页面最底下）：预训练模型

文章图片

3. 推理任意新建一个.py文件，写入如下的代码，在终端运行

import torch# Model model = torch.hub.load('ultralytics/yolov5', 'yolov5s')# or yolov5m, yolov5x, custom # Images # img = 'https://ultralytics.com/images/zidane.jpg'# or file, PIL, OpenCV, numpy, multiple img = 'data/images/zidane.jpg' # Inference results = model(img) # Results results.print()# or .show(), .save(), .crop(), .pandas(), etc.

显示结果为：