YOLOv5 环境配置（Win + Python + Anaconda）— 小白专用（超详细）

在进行计算机视觉相关项目时，YOLO（You Only Look Once）系列模型凭借其高效的目标检测能力受到了广泛的关注。在此篇文章中，我将带领大家从零开始在 Windows 系统上配置 YOLOv5 环境，使用 Anaconda 管理 Python 环境。这是一个适合初学者的指南。

第一步：安装 Anaconda

1. 下载 Anaconda： 访问 Anaconda 官网，下载安装包，选择适合自己操作系统的版本（Windows）。

2. 安装 Anaconda： 双击下载的安装包，按照提示一步步进行安装，建议使用默认选项。

3. 配置环境变量： 在安装过程中，如果选择了 Add Anaconda to my PATH environment variable 选项，可以跳过此步，如果没有，请手动配置，将 Anaconda 的安装路径添加到环境变量中。

第二步：创建新的虚拟环境

在 Anaconda Prompt 下创建一个新的虚拟环境，命名为 yolo。

conda create -n yolo python=3.8

激活新创建的虚拟环境：

conda activate yolo

第三步：安装 PyTorch

YOLOv5 依赖于 PyTorch。根据你的显卡类型选择合适的 PyTorch 版本。在 PyTorch 官网 中，选择以下配置：

• 操作系统：Windows
• 软件包管理器：Conda
• Python 版本：3.8
• CUDA 版本：根据你的显卡情况选择，如果没有显卡，选择 CPU 版本。

例如，如果你选择的是 CUDA 11.3，安装命令如下：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

如果是 CPU 版：

conda install pytorch torchvision torchaudio cpuonly -c pytorch

第四步：克隆 YOLOv5 仓库

在任意你希望存放 YOLOv5 项目的文件夹中，执行以下命令来克隆 YOLOv5 的代码库：

git clone https://github.com/ultralytics/yolov5.git

进入 YOLOv5 目录：

cd yolov5

第五步：安装必要的依赖

YOLOv5 依赖于一些 Python 库，可以通过以下命令安装：

pip install -U -r requirements.txt

如果安装中遇到问题，可以尝试单独安装这些依赖，或者使用以下命令更新 pip：

pip install --upgrade pip

第六步：验证环境是否配置成功

安装完成后，可以通过以下命令运行 YOLOv5 的检测示例，验证配置是否成功：

python detect.py --source data/images/bus.jpg

该命令会使用预训练的 YOLOv5 模型对 data/images/bus.jpg 进行目标检测。运行后，检测结果会保存在 runs/detect/exp 文件夹中。

第七步：运行 YOLOv5

现在你可以开始使用 YOLOv5 进行目标检测。想要使用实时摄像头进行检测，可以运行以下命令：

python detect.py --source 0

这将打开摄像头并实时进行目标检测。

总结

通过以上步骤，你应该能够在 Windows 上成功配置 YOLOv5 的环境。现在，你可以开始做一些有趣的项目，例如训练自己的模型、进行图片识别等。YOLOv5 提供了简单易用的接口，使得目标检测变得更加容易。如果在过程中遇到问题，请仔细检查每一步的执行情况，并参考相关文档进行解决。祝你好运！