yolov5无从下手？一篇就够,2021年全部基于最新配置的yolo入门升级路线

yolov5无从下手？一篇就够的保姆级教程,2021年全部基于最新配置的yolo快速入门路线规划图

在学习的过程中，CSDN对我帮助良多，很多时候都处在一个汲取者的角度。实在惭愧，最近我想根据我的学习过程，整理一篇入门博客帮助大家更快入门。
我实操时候环境是：windows10、anaconda、pytorch、pycharm全部是最新版本
并且在正常上网条件下运行的，以下所有流程我都执行过几遍保证如果你电脑是win10，一步一步运行正确，是完全没有问题的，有也能在百度/csdn检索到

一、打破yolo神秘面纱——直接上手！

yolo并不是一个很神秘的东西，现在我先从一个github上一个比较知名的关于yolov5的项目基于yolov5的物体检测，这个模型是在coco128上训练好的，能识别80种物体。也支持识别视频和实时检测，自主训练模型并部署，算是一个绝佳的项目。

效果图

效果大概如上图：

（1）下载Anaconda和pycharm

1、下载Anaconda最新版本

注：一定要下载Anaconda奥，这个的包比较全

1. 1 Anaconda官方下载地址：

https://www.anaconda.com/products/individual-d#download-section
界面：

1.2 Anaconda 的安装 下载好之后双击打开可执行安装文件：

1.3 进入到安装界面：

注：请记住你安装Annaconda的安装地址，以后会用到

1.4 这里建议两个都勾选（第一个选项是将 Anaconda 添加到环境变量中，不勾选的话后期要自己添加到环境变量）

1.5 安装完毕后可以看到开始菜单中出现如下选项：

至此 Anaconda 的安装完毕。
注：如果没有出现可以看这一篇博客：
https://blog.csdn.net/qq_51116518/article/details/119975357?spm=1001.2014.3001.5501

2、Pycharm 的安装

2.1Pycharm 官方下载站点

https://www.jetbrains.com/pycharm/download/#section=windows
界面
这里我们选择右边的社区版（Community），是开源且 免费 的一个版本。

2.2 pycharm 的安装 下载好之后双击打开可执行安装文件：

2.3、选择安装目录，Pycharm需要的内存较多，建议将其安装在D盘或者E盘，不建议放在系统盘C盘。

2.4、进行相关设置，如果你无特殊需要按照图中勾选即可。

数字1：create desktop shortcut（创建桌面快捷方式），系统32位就选32-bit,系统64位就选64-bit。
笔者的电脑是64位系统，它自动显示64位。
数字2：update path variable(restart
needed)更新路径变量(需要重新启动)，add launchers dir to the path（将启动器目录添加到路径中）。
数字3：update context menu（更新上下文菜单），add open folder as project（添加打开文件夹作为项目）。添加鼠标右键菜单，使用打开项目的方式打开此文件架。如果你经常需要下载一些别人的代码查看，可以勾选此选项，这会增加鼠标右键菜单的选项。也就是你双击你电脑上的
py 文件，会默认使用 pycharm 打开。

数字4：create associations

创建关联，关联.py文件。将所有py文件关联到pycharm。

2.5、默认即可，点击install。

2.6、安装完成

（2）重启电脑

（3）创建pytorch环境

3.1 打开Anaconda 终端

终端界面如下：

3.2 利用Anaconda创建一个名字叫 pytorch的环境

输入:conda create -n pytorch python出现如下界面

翻到下面，程序告诉我们有以下这些包是否下载，我们静静输入y表示俺要下载这些东东，下载（肯定的啦不下载，来这干嘛）

看到这个界面表示创建环境完成

3.3 在创建的pytorch环境中导入pytorch包

注:那个pytorch是我们创建的环境名字奥，这个环境还没有导入pytorch包还是空壳一个

看到上面的有一段话：To activate this environment, use $ conda activate pytorch
翻译成人话就是：请问这位亲是否要激活这个（刚创立的pytorch）环境呢？如果要激活的话请输入： conda activate
pytorch 奥

看到了上面这句话，我默默抬起了我的头45°角仰望天空，啊，我是要激活这个环境在安装的，不然装(b)给谁看呢？

a、输入：conda activate pytorch 激活pytorch环境

他十分给面子的把环境激活了，并在下一行左边框框换成（pytorch）老父亲不禁露出了欣慰的笑容

b、导入清华源

目的：加快下载速度，和避免由于不稳定导致的下载失败
注意：得一行一行输入以下指令，并且输入之后，下一次创建环境就可以跳过这一个步骤了，重复输入会报错的。

导入清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

conda config --set show_channel_urls yes

c、在安装的环境中加载pytorch包。

如果是windows 输入：conda install pytorch torchvision torchaudio cpuonly -c pytorch
如果是mac 输入：conda install pytorch torchvision torchaudio -c pytorch
开始在创建的一个名字叫pytorch的环境中下载pytorch包，

他开始下载了。

下载结束的标志如下：
至此我们已经创建好一个pytorch环境
如果你不放心可以输入：pip list

我们就可以看到配置好的环境有那些包，如果你包名和上面差不多特别是有 torch 表示你前面的步骤都对了

（4）下载github上的这一个yolov5项目

怕大家下载不了，这里我就发我的百度网盘分享了
链接：https://pan.baidu.com/s/10_dKLw4IlhKA1MXtJ5N6hw
提取码：2t7w

（5）在pycharm上运行这个项目

5.1 用pycharm打开这个项目

下载后解压，右键解压后的文件夹，选择用pycharm打开

5.2 为这一个项目分配pytorch环境

之后一路ok下去直到回到以下这个界面

5.3 根据这个项目对环境的要求进行下载所需要的库

1、根据requirements.txt配置环境

在控制台激活环境后输入：
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/

这就是在配置这个项目自己要求的环境了。
这一步可能需要的时间有点久
如果没有运行报错就可以快乐的点运行detect.py了

2、如果出现下载报错，表示这些包不能偷懒自动下载了，你要手动下载

注意：在这一步，大家错误的个数和数量可能都不大一样，都按下面流程走就行了。如果是mac电脑在这一步也是最容易出错的比如：pycococtools安装失败,opencv-python ,thop安装失败
可以去：https://www.bilibili.com/video/BV1tf4y1t7ru?p=3这里看看，实在不行看看下面的评论和或者博客上找找

或这个博客：https://blog.csdn.net/qq_51116518/article/details/121207941?spm=1001.2014.3001.5502

点击ok

输入的格式是：pip install +之前图上我用黑框框框起来的部分我的是：opencv-python

5.4 修改每次执行时pycharm中的内置参数

5.5 运行检测运行结果

注：这一步有人运行会报错，可以看看路径内是否有英文。记得改掉

在这里， # 上面那一行source的参数表示你要检测的图像位置，图中那个default='data/images’意思是对yolov5-5.0中data文件夹/images文件夹内所有图片都检测。
# 如果是default='data/images/bus.jpg’表示只对这一个图片进行检测
# 如果是default='data/images/xxx.mp4’表示对整个视频进行物体识别
如果想要，实现实时检测,有两种方法。
第一种：你需要获得一个网络摄像机：比如你的手机摄像头的http/rtsp地址：获取之后填在以下位置里面
第二种：你需要有一个相机。比如你是笔记本电脑自带的相机/外置相机与电脑用usb连接。

第一种方法：http:获取方法可以看这篇博客：https://blog.csdn.net/qq_51116518/article/details/120118736?spm=1001.2014.3001.5501
第二种方法的详细步骤可以看博客我就不占用过多篇幅了：
https://blog.csdn.net/qq_51116518/article/details/120226879

注：有些人运行实时检测的时候，中途直接中断会出现并且无法打开生成的视频

解决方法：
https://blog.csdn.net/qq_51116518/article/details/120267208?spm=1001.2014.3001.5502

5.6 查看运行yolov5物体检测后的结果

到这里就执行成功了。

注：我这篇是入门，主要目的是帮助没有接触过的人配置环境，顺便运行一下项目验证是否环境配置正确。
所以，一些步骤我采取的是普遍性更强的cpu运行这个项目，没有激活gpu速度慢了十倍，所以你们实时检测/训练的时候可能会感到卡顿没有实现实时的效果。
不过，解决方法很容易，软件都装了流程也熟悉了，看一下小土堆对这个项目的精讲就知道，怎么去用gpu跑这一个项目了

二、倒过头巩固基础。

1、小土堆对这个项目的精讲

https://www.bilibili.com/video/BV1tf4y1t7ru?spm_id_from=333.999.0.0

我是土堆这个up主让我入门了项目实战。
看了这个之后我就学会了如何拿早已经有的模型进行检测-》学会如何自己训练模型-》制作数据集形成一个闭环。
并且他的讲的个人觉得很nice。没有漏一点东西。个人觉得用他来入门yolov5项目实战是最好的

2、精读yolov1论文：哔哩哔哩教程如下

https://www.bilibili.com/video/BV15w411Z7LG?from=search&seid=7941427599582091010

我入门yolo就是看这个入门来着，对yolov1他花了1年去录这个视频，对yolov1这篇论文和yolo的前世今生讲的很明白

3、达尔闻上其他yolo相关项目

https://www.darwinlearns.com/te202007?source=article

通过这个课程你将学会，并且这是免费的，，，，
我们的口号是什么？我们的口号是在做中学，可惜这个不是很好，算还可跟一遍

同济子豪兄，是哔哩哔哩一个比较厉害的阿婆主没想到在达尔闻也能找到他

4、YOLO系列算法精讲：从yolov1至yolov4的进阶之路（2万字超全整理，建议收藏！）:

倒过头从yolov1~yolov4补足基础
https://blog.csdn.net/wjinjie/article/details/107509243?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163082957716780366599375%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=163082957716780366599375&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_alltop_positive~default-1-107509243.first_rank_v2_pc_rank_v29&utm_term=yolo&spm=1018.2226.3001.4187
这一个是关于yolov1~yolov4的一个比较好的csdn文章

5、如果你opencv还没有入门，建议去补充好，当前最佳入门视频：

https://www.bilibili.com/video/BV1i54y1m7tw?p=27

通过这个视频，你将以工程标准，制作出30个利用opencv实现的 demo，在这一过程中，熟悉opencv操作。
里面是环境是VS2017+opencv4 c++，当然用vs2019也行，我就是用vs2019，只是会出现一些不一样，不过网上都能很好的给你解决

如果你从头一直做到尾，毕业出来靠机器视觉的基础找个工作应该是没有问题。

我的很多老师，看了背景资料才知道，是搞视觉出身的，视觉是绝对是al领域最火的领域之一。

如果感到这篇文章对你有帮助，不要忘记点赞噢。之后，我还会在此基础上进行继续学习研究带来更多不一样的视觉博客。如果喜欢我的画风关个注更容易找到小编哦qwq