yolo v5 环境配置（gpu版本）

1、yolo v5 环境创建

yolov5缺陷检测案例
概要
本文主要面向第一次使用yolov5，连参数都不会配置的纯小白，记录了我自己初次使用的过程。

从下载yolov5，安装依赖，到训练模型和进行识别。

2、下载yolov5与安装依赖

git方式：

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

从github直接下载zip并解压：

https://github.com/ultralytics/yolov5

使用pycharm直接把这个文件夹作为项目打开。

首次使用我们要使用两个文件，以后会接触其他文件：

train.py 是我们进行训练的脚本
detect.py 是进行检测的脚本

搭建环境第一步是安装显卡驱动，然后要安装cuda toolkit和cudnn。
运行YoloV5可选为CPU或GPU环境。默认CPU环境无需配置，GPU环境需要安装与显卡版本对应的cuda，
1、anaconda 环境创建 一个新的虚拟环境

2、激活切换环境，
去pytorch官网查询与CUDA相匹配的版本，运行相应命令 （https://pytorch.org/get-started/previous-versions/）

验证是否安装了gpu版本

3、下载yolo v5

4、

pip install -r requirements.txt  -i https://pypi.tuna.tsinghua.edu.cn/simple

(注释掉torch等)

问题：
AttributeError: module ‘distutils’ has no attribute ‘version’
解决方案：
https://zhuanlan.zhihu.com/p/556704117

pip install setuptools==58.0.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

RuntimeError: a view of a leaf Variable that requires grad is being used in an in-place operation.

https://blog.csdn.net/hjxu2016/article/details/121303818

3、训练结果

如下：

结果解读：
训练次数，GPU消耗
边界框损失，目标检测损失，分类损失，total，targets，P，R，mAP@.5, mAP@.5:.95, 验证集val Box, 验证集val obj, 验证集val cls
mAP@.5:.95。是把iou从0.5~0.95,每隔0.05计算一个map，最后把这些map求平均得到的。