一、anaconda、cuda、cuDNN 等安装参见Yolov5环境配置教程
二、配置conda环境
1、首先conda添加清华源，下载速度会比较快
conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
2、创建一个新的虚拟环境,并命名为yolov5
conda create -n yolov5 python==3.9.7
source activate yolov5
3、安装PyTorch，torchvision
检测base环境已经安装版本
在虚拟环境yolov5中安装
conda install pytorch==1.10.2 torchvision==0.11.3
(yolov5) robot@robot-All-Series:~$ conda install pytorch==1.10.2 torchvision==0.11.3
Collecting package metadata (current_repodata.json): done
Solving environment: done
## Package Plan ##
environment location: /home/robot/anaconda3/envs/yolov5
added / updated specs:
- pytorch==1.10.2
- torchvision==0.11.3
The following packages will be downloaded:
package | build
---------------------------|-----------------
cudatoolkit-11.3.1 | h2bc3f7f_2 549.3 MB
ffmpeg-4.3 | hf484d3e_0 9.9 MB https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
freetype-2.11.0 | h70c0345_0 618 KB
libwebp-1.2.2 | h55f646e_0 80 KB
libwebp-base-1.2.2 | h7f8727e_0 440 KB
numpy-1.21.2 | py39h20f2e39_0 23 KB
numpy-base-1.21.2 | py39h79a1101_0 4.9 MB
pillow-9.0.1 | py39h22f2fdc_0 669 KB
pytorch-1.10.2 |py3.9_cuda11.3_cudnn8.2.0_0 1.21 GB https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
pytorch-mutex-1.0 | cuda 3 KB https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
six-1.16.0 | pyhd3eb1b0_1 18 KB
torchvision-0.11.3 | py39_cu113 9.0 MB https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
------------------------------------------------------------
Total: 1.77 GB
The following NEW packages will be INSTALLED:
blas pkgs/main/linux-64::blas-1.0-mkl
bzip2 pkgs/main/linux-64::bzip2-1.0.8-h7b6447c_0
cudatoolkit pkgs/main/linux-64::cudatoolkit-11.3.1-h2bc3f7f_2
ffmpeg anaconda/cloud/pytorch/linux-64::ffmpeg-4.3-hf484d3e_0
freetype pkgs/main/linux-64::freetype-2.11.0-h70c0345_0
giflib pkgs/main/linux-64::giflib-5.2.1-h7b6447c_0
gmp pkgs/main/linux-64::gmp-6.2.1-h2531618_2
gnutls pkgs/main/linux-64::gnutls-3.6.15-he1e5248_0
intel-openmp pkgs/main/linux-64::intel-openmp-2021.4.0-h06a4308_3561
jpeg pkgs/main/linux-64::jpeg-9d-h7f8727e_0
lame pkgs/main/linux-64::lame-3.100-h7b6447c_0
lcms2 pkgs/main/linux-64::lcms2-2.12-h3be6417_0
libiconv pkgs/main/linux-64::libiconv-1.15-h63c8f33_5
libidn2 pkgs/main/linux-64::libidn2-2.3.2-h7f8727e_0
libpng pkgs/main/linux-64::libpng-1.6.37-hbc83047_0
libtasn1 pkgs/main/linux-64::libtasn1-4.16.0-h27cfd23_0
libtiff pkgs/main/linux-64::libtiff-4.2.0-h85742a9_0
libunistring pkgs/main/linux-64::libunistring-0.9.10-h27cfd23_0
libuv pkgs/main/linux-64::libuv-1.40.0-h7b6447c_0
libwebp pkgs/main/linux-64::libwebp-1.2.2-h55f646e_0
libwebp-base pkgs/main/linux-64::libwebp-base-1.2.2-h7f8727e_0
lz4-c pkgs/main/linux-64::lz4-c-1.9.3-h295c915_1
mkl pkgs/main/linux-64::mkl-2021.4.0-h06a4308_640
mkl-service pkgs/main/linux-64::mkl-service-2.4.0-py39h7f8727e_0
mkl_fft pkgs/main/linux-64::mkl_fft-1.3.1-py39hd3c417c_0
mkl_random pkgs/main/linux-64::mkl_random-1.2.2-py39h51133e4_0
nettle pkgs/main/linux-64::nettle-3.7.3-hbbd107a_1
numpy pkgs/main/linux-64::numpy-1.21.2-py39h20f2e39_0
numpy-base pkgs/main/linux-64::numpy-base-1.21.2-py39h79a1101_0
openh264 pkgs/main/linux-64::openh264-2.1.1-h4ff587b_0
pillow pkgs/main/linux-64::pillow-9.0.1-py39h22f2fdc_0
pytorch anaconda/cloud/pytorch/linux-64::pytorch-1.10.2-py3.9_cuda11.3_cudnn8.2.0_0
pytorch-mutex anaconda/cloud/pytorch/noarch::pytorch-mutex-1.0-cuda
six pkgs/main/noarch::six-1.16.0-pyhd3eb1b0_1
torchvision anaconda/cloud/pytorch/linux-64::torchvision-0.11.3-py39_cu113
typing_extensions pkgs/main/noarch::typing_extensions-3.10.0.2-pyh06a4308_0
zstd pkgs/main/linux-64::zstd-1.4.9-haebb681_0
Proceed ([y]/n)? y
Downloading and Extracting Packages
cudatoolkit-11.3.1 | 549.3 MB | ################################################################################################################### | 100%
six-1.16.0 | 18 KB | ################################################################################################################### | 100%
libwebp-1.2.2 | 80 KB | ################################################################################################################### | 100%
pillow-9.0.1 | 669 KB | ################################################################################################################### | 100%
pytorch-1.10.2 | 1.21 GB | ################################################################################################################### | 100%
torchvision-0.11.3 | 9.0 MB | ################################################################################################################### | 100%
numpy-1.21.2 | 23 KB | ################################################################################################################### | 100%
pytorch-mutex-1.0 | 3 KB | ################################################################################################################### | 100%
numpy-base-1.21.2 | 4.9 MB | ################################################################################################################### | 100%
libwebp-base-1.2.2 | 440 KB | ################################################################################################################### | 100%
ffmpeg-4.3 | 9.9 MB | ################################################################################################################### | 100%
freetype-2.11.0 | 618 KB | ################################################################################################################### | 100%
Preparing transaction: done
Verifying transaction: done
Executing transaction: \ By downloading and using the CUDA Toolkit conda packages, you accept the terms and conditions of the CUDA End User License Agreement (EULA): https://docs.nvidia.com/cuda/eula/index.html
最后验证pytorch和torchvision是否安装好
python
import torch
torch.__version__
import torchvision
torchvision.__version__
4、安装requirements.txt其他包
pip install -r requirements.txt# pip install -r requirements.txt
# Base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.2
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.41.0
# Logging -------------------------------------
tensorboard>=2.4.1
# wandb
# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0
# Export --------------------------------------
# coremltools>=4.1 # CoreML export
# onnx>=1.9.0 # ONNX export
# onnx-simplifier>=0.3.6 # ONNX simplifier
# scikit-learn==0.19.2 # CoreML quantization
# tensorflow>=2.4.1 # TFLite export
# tensorflowjs>=3.9.0 # TF.js export
# openvino-dev # OpenVINO export
# Extras --------------------------------------
# albumentations>=1.0.3
# Cython # for pycocotools https://github.com/cocodataset/cocoapi/issues/172
# pycocotools>=2.0 # COCO mAP
# roboflow
thop # FLOPs computation
5、下载权重文件
在https://github.com/ultralytics/yolov5/releases中下载4个权重文件，放到工程路径下的weights文件夹中。
一般这四个就够用了，s是最小的，速度最快，但是精度不高。
5. 运行demo
然后输入python detect.py –source 0 –weights=“weights/yolov5s.pt” (如果设备有摄像头）
或者python detect.py –source=data/images/bus.jpg –weights=weights/yolov5s.pt(设备没有摄像头）
前者会打开摄像头实时检测物品，后者会用项目自带的测试图进行测试。运行后，将打印结果文件的位置。测试结果可以在这个位置找到。
出现cuda错误，我原来安装的是cuda 10.2 驱动为4xx版，重新安装驱动最新510版本，Ubuntu下安装NVIDIA驱动的三种方法
结果是：
参考：
1、Yolov5环境配置教程 – （ubuntu）
[译] 再看 Flask 视频流 – 知乎取消[译] 再看 Flask 视频流 – 知乎
使用YOLOv5实现多路摄像头实时目标检测
yolov5检测视频流的原理、detect.py解读
Yolov5部署成为Python接口 当然是用flask实现啦~ yolo5写成接口_Andrwin的博客-CSDN博客_python yolov5
vue+flask实现视频目标检测yolov5
Flask部署YOLOv5 – 知乎
【Yolov5】训练自己的yolov5模型并集成到安卓应用中【上】在WEB端部署YOLOv5目标检测（Flask+VUE）
实用教程详解：模型部署，用DNN模块部署YOLOv5目标检测（附源代码）
【Yolov5】训练自己的yolov5模型并集成到安卓应用中【上】——模型训练_兔丁说码-CSDN博客_yolov5安卓
【Yolov5】训练yolov5模型并集成到安卓应用中（中）
YOLOv5 从配置到部署_Cmoooon的博客-CSDN博客_yolov5 部署（只有训练）
YOLOv5从入门到部署之：训练私有数据并修改模型 – 知乎backbone换成mobilenetv2
YOLOv5从入门到部署之：配置与初始化超参 – 知乎
YOLOv5从入门到部署之：数据读取与扩增 – 知乎
YOLOv5从入门到部署之：网络和损失函数 – 知乎
yolov5笔记（3）——移动端部署自己的模型
用安卓手机解锁目标检测模型YOLOv5，识别速度不过几十毫秒！
【教程】YOLOv5模型转化-Android端部署__less is more的博客
YOLOv5从入门到部署之：模型部署
##如何在阿里云服务器上部署yolov5模型##
YOLO v5 在学校服务器上搭建（搭建多次才成功的经验）_zhangyan的博客-CSDN博客
[Yolo部署落地系列教程]（2）Yolov5之Pytorch部署_是小晰呱啊的博客-CSDN博客_yolo部署
【全流程】从头在树莓派4B上部署自己训练的yolov5模型（配合NCS2加速）
yolov5_train_system: 基于Yolov5的前端目标检测、训练系统
yolov4 flask部署web服务(视频检测)_学术菜鸟小晨的博客-CSDN博客
双目目标检测+测距部署到flask视频流服务器【2021计算机设计大赛国二项目】_哔哩哔哩_bilibili
双目目标检测+测距部署到flask视频流服务器【2021计算机设计大赛国二项目】_哔哩哔哩_bilibili
版权声明：本文为博主light169原创文章，版权归属原作者，如果侵权，请联系我们删除！
原文链接：https://blog.csdn.net/light169/article/details/123357403
