人工智能图像识别分析之——Yolov5模型搭建_github yolo 智能模型

第一部分：Anoconda环境搭建

准备环境

1）cmd-输入命令nvidia,检查是否支持GPU显卡，标红地方为GPU驱动版本号及支持的CUDA版本。

2）本教程基于Windows 10操作系统，安装Anaconda（基于Python3.9），已配置好环境变量。CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题，因此通过CUDA程序来控制底层的硬件进行计算。

1.清理Anaconda安装包，进入到虚拟环境，执行安装清理工具Anaconda-clean命令

conda activate Yolov5

conda install anaconda-clean

2.清理安装包

anaconda clean --yes

3.删除备份文件夹下面的文件夹和文件

del /s /q C:\Users\Administrator\.anaconda_backup

rd /s /q C:\Users\Administrator\.anaconda_backup

4.进入控制面板，卸载Anaconda、NVIDIA CUDA。

安装CUDA

1.安装nvidia显卡驱动程序（cuda_11.1.1_456.81_win10），可在官网下载系统适配驱动官方驱动 | NVIDIA，进行精简模式安装，也可根据需要自定义安装

2.下载CUDA工具，https://www.anaconda.com/download/

Anaconda 是跨平台的，有 Windows、macOS、Linux 版本，我们这里以 Windows 版本为例，点击那个 Windows 图标。

3.新建工作站cuda-manager，进行自定义安装

4.编辑环境变量，将Scripts Library/bin mingw-w64/bin添加到环境变量

5.等待安装完成，命令行测试nvcc-V

第二部分 Pytorch安装和Yolov5环境搭建

1.创建虚拟环境Yolov5

conda create -n Yolov5

2.激活环境

conda activate Yolov5

出现如下错误：conda-script.py: error: argument COMMAND: invalid choice: 'activate'

解决方法：

conda init，成功激活环境，到此CUDA搭建完成。

3.conda安装Pytorch

conda install pytorch torchvision torchaudio cpuonly -c pytorch
​

4.下载Yolov5源码

1）到https://github.com/ultralytics/yolov5/tree/master下载源码压缩包
2）在https://github.com/ultralytics/yolov5/tree/master右侧Releases下有+ 9 releases，点击进入(https://github.com/ultralytics/yolov5/releases)选择YOLOv5s-seg模型下载,下载后放到源码解压后的路径下#下载模型

5.安装依赖

进入到源码根目录，打开requirements.txt 可以看到运行Yolov5需要的依赖文件，需要安装到虚拟环境（此处需要注意安装到虚拟环境）

​

pip install -r requirements.txt​5.运行python detect.py：

报错：

​

问题1：下载失败yolov5s.pt文件，因为github为外网可能无法访问可能导致下载失败

解决办法：可自行去 https://github.com/ultralytics/yolov5/releases/download/v6.1/yolov5s.pt下载（如果下载5.0版本就不会报问题3、4错误，此链接为作者提供链接）放在yolov5-5.0文件夹下即可

问题2：执行命令报错提示查询字典关键词错误​

解决办法：另行下载训练集GitHub - JackZhang9/yolov5s.pt: yolov5s.pt文件，进行替换，并执行命令。

运行示例测试：

python detect.py --source data\Images\bus.jpg --weights weights\yolov5s.pt --img 640

模型样本有两张示例图片

通过推理得到下图

如果有自己的数据集，就可以修改相应的配置文件进行推理和训练工作。