轉自：https://blog.csdn.net/ChaoChao66666/article/details/129123126?spm=1001.2014.3001.5501
首先說明，我這裡作為搬運工，便於自己檢視的。非本人原創。
YOLOv5環境搭建步驟
建立虛擬環境
使用anaconda新建一個python版本為3.7的虛擬環境
檢視電腦支援的cuda版本
由於30系列的的顯示卡暫時不支援CUDA11以下版本。因此，這裡得安裝超過CUDA11.0的版本。
透過如下命令來檢視可以安裝的cuda的版本：
conda search cuda
安裝指定版本的cuda
透過如下命令安裝指定版本的cuda：
conda install cudatoolkit=11.3.1
安裝cudnn
透過如下命令自動安裝適配版本的cudnn
conda install cudnn
安裝pytorch
在pytorch官網檢視cuda11.3對應的pytorch版本
複製上圖所示的程式碼進行安裝：
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113
檢驗是否安裝成功
import torch
print(torch.version.cuda)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name())
YOLOv5執行步驟
下載YOLOv5程式碼
從如下網址下載程式碼：
https://github.com/ultralytics/yolov5/tree/v6.2
下載後解壓：
開啟YOLOv5程式碼
使用我們剛才建立的虛擬環境來開啟“yolov5-6.2”的專案
安裝一些包
pip install opencv-python==4.5.4.60 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install pyyaml
pip install tqdm -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install matplotlib -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install seaborn -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install tensorboard
執行YOLOv5程式碼
在編輯器中執行detect.py檔案
執行結果就儲存在“run\detect\exp”路徑下
可以看到檢測後的圖片如下：
如果想測試影片檢測的效果，可以在“/data”路徑下新建一個“video”資料夾用來存放待檢測影片
然後在detect.py中做如下修改
執行程式碼可以看到對影片的每一幀進行識別
檢測前後的影片如下所示：
————————————————
版權宣告：本文為博主原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處連結和本宣告。
原文連結：https://blog.csdn.net/ChaoChao66666/article/details/129123126