（请先看置顶博文）本博打开方式！！！请详读！！！请详读！！！请详读！！！_Cat-CSDN博客
目录
一、安装Anaconda或Miniconda
二、安装CUDA
三、安装cuDNN
四、安装Python
五、安装Yolov5环境
1、下载Yolov5 5.0源码压缩包
2、解压并打开requirements.txt
3、安装Pytorch
4、安装其他依赖项
5、下载权重
六、运行Yolov5
附录一 下载安装Pytorch
附录二 下载安装torchversion
这已经是目标检测第5步了，本篇文章的前四章将会对目标检测前4步进行一个回顾。
一、安装Anaconda或Miniconda
Miniconda安装步骤见博文：目标检测第1步：如何在Windows 10下安装MiniConda？_liO_Oil的博客-CSDN博客_miniconda
Anaconda安装步骤详见博文：目标检测第2步：如何在Windows 10下安装Anaconda？_liO_Oil的博客-CSDN博客_anaconda下载
虽然有的同学就是想单纯试验一下Yolov5，但是按照这个教程安装Anaconda后，可以较为顺利的安装依赖，与此同时还为以后的代码运行做铺垫（因为Jupyter lab包含在其中，并且软件源已经更换了）
二、安装CUDA
CUDA的具体安装教程可以查看此博文：目标检测第3步：如何在Windows 10系统下安装CUDA（更新时间2022.03.22）_liO_Oil的博客-CSDN博客
三、安装cuDNN
cuDNN的安装步骤见博文：目标检测第4步：显卡、GPU、CUDA、cuDNN的介绍及如何在Windows 10下安装cuDNN？_liO_Oil的博客-CSDN博客
四、安装Python
Yolov5（5.0）需要Python3.7版本以上，所以这里提供一种安装Python的方法，Python的版本不要太高，我用的是3.9.7，详见博文：一、Pytho第一课——Python安装及配置路径方法（最详细小白教程，没有之一。如若不懂，不是还可以私信嘛!对吧？）_Cat-CSDN博客
五、安装Yolov5环境
1、下载Yolov5 5.0源码压缩包
网址：GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite
打开网页后，如图1所示。点击Tags后选择5.0版本，并点击zip下载，如图2所示
图1 YOLOv5GitHub页面
图2 下载Yolov5源码压缩包
学会了5.0环境的配置，6.0的不就无师自通了嘛？
2、解压并打开requirements.txt
第一行“pip install -r requirements.txt”就是安装以下依赖包的命令，如图3所示.
pip install -r requirements.txt这个是卸载命令：
pip uninstall -r requirements.txt #卸载requirements.txt文件里的所有依赖pip uninstall torch # 卸载torch的命令输入该安装命令后可实现“一键安装”的效果。因为是Python语言，所以有“#”号的代码都不执行。其中torch分为CPU版本和GPU版本，因为我有好一点的显卡，可以安装GPU版本，所以就在torch及torchvision前加个#号。
图3 Yolov5需要的依赖项
3、安装Pytorch
注意：按照此方法，Pytorch将会被安装在整个环境中，可能对其他项目的环境产生干扰。若有需要，可使用Anaconda或者Pycharm创建虚拟环境！！！创建虚拟环境后，再按照下面的步骤进行环境的配置。
Pytorch网址：Start Locally | PyTorch
打开网页后显示的是如图4所示的界面，因为我们在“目标检测第3步：如何在Windows 10系统下安装CUDA”中安装的是CUDA11.1的版本，所以我们需要安装与CUDA版本对应的Pytorch（GPU版）。点击图4中红框超链接，可以转跳到之前的版本下载界面，界面如图5所示。
图4 Pytorch下载界面
图5 Pytorch之前版本的下载界面
图5的界面下方包含Pytorch之前的所有版本，我们找到CUDA11.1支持的Pytorch1.8.1（torch==1.9.0也是可以的）如图6所示。
图6 CUDA11.1支持的Pytorch1.8.1版本安装命令
再多说一下，CUDA版本的查看方式是，打开cmd，输入以下命令：
nvcc --version然后敲击回车，即可出现以下截图，如图7所示。
图7 查看CUDA版本
将图7中复制的Pytorch安装命令复制后，打开cmd命令行，进行下载，如图8所示。（下载可能很慢，因为是国外的网站，此时可以按照附录一的方法下载。如果还是不行，可以联系我，我会热情的帮你下载！）无论是使用哪种方法下载，必须执行这一步。速度快，则继续。慢，则使用附录一的方法。
图8 Pytorch1.8.1成功安装
图9 安装进行中
安装成功如图10所示：
图10 pytorch安装成功
注意： 图9、图10是之前尝试CUDA11.8+Pytorch1.11.0成功安装时的截图，放在这里是供大家参考，判断什么时候才是安装Pytorch成功。这个搭配后来在YOLOv5 5.0推理时出错了，所以才更新博客，降低Pytorch的版本。
为了进一步确保torch安装成功，我们需要在Python中验证一下。在cmd命令中输入“python”，出现>>>符号后，输入import torch，再次出现>>>符号时，则表明安装成功。除此以外，还可以键入“torch.__version__”查看信息。如图11所示：
python # 运行Python
import torch # 导入torch
torch.__version__ # 查看torch版本信息
torch.cuda.current_device() # 查看有几个显卡设备
torch.cuda.is_available() # 查看显卡是否激活
torch.cuda.get_device_name() # 查看显卡设备名称
图11 验证torch安装成功操作
还可以输入“torch.cuda.current_device()”,查看CUDA，如图12所示，出现0代表只有一个显卡：
图12 查看当前设备命令
查看显卡名称命令行：“torch.cuda.get_device_name()”，如图13所示。
图13 查看显卡名称
查看显卡是否是激活状态：“torch.cuda.is_available()”，如图14所示。
图14 显卡是否激活查看命令
至此，GPU版本的Pytorch已经安装完成。细心的同学可以发现，安装Pytorch时，torchvision也已经安装在里面了，而且也满足requirements.txt的要求。所以，可以在requirements.txt里将torchvision注释掉（加#号）。如果当时安装Pytorch选择的是附录一的方法，那么此时也得选择附录二的方法下载和安装torchversion（详见附录二）
4、安装其他依赖项
打开requirements.txt文件，在torch和torchvision前加#号，如图15-1所示：
图15-1 备注掉torch和torchvision
复制第一行命令（不要复制#号），即
pip install -r requirements.txt随后在对应的文件夹导航栏输入cmd，敲击回车，如图15-17所示：
图15-2 安装其他依赖操作示意图（1）
图16 安装其他依赖操作示意图（2）
图17 安装其他依赖操作示意图（3）
5、下载权重
网址：Release v5.0 - YOLOv5-P6 1280 models, AWS, Supervise.ly and YouTube integrations · ultralytics/yolov5 · GitHub
打开网址后下，如图18所示。一直往下拉，找到图19所示的地方，直接点击红框圈中的文件名下载对应文件，一共有4个。将这4个权重剪切到如图20所示的目录中。
图18 首页
图19 权重截图
图20 目录结构
六、运行Yolov5
打开存有“Yolov5_master”的文件夹，如图21所示。随后，在红框位置即目录导航栏输入“cmd”，并敲击回车，输入“jupyter lab”,回车。即可显示如图22-26所示的界面。接下来，按照图的操作进行。
图21 目录结构2
图22 jupyter lab界面1
图23 jupyter lab界面2
图24 运行结果1
图25 修改权重文件路径命令
图26 代码成功运行截图
可以将自己的图片等资源放进“source/data/images”目录中。在运行代码时，指明文件名（包含文件后缀），重新运行代码，即可进行识别，最后会有信息提示识别的产物存储在哪里。至此Yolov5环境已安装成功。
细心的同学可能又发现了，解压完Yolov5的压缩包后，直接打开jupyter lab运行inference不就可以直接安装依赖了吗？是的，这是在很理想的网络条件下才可以，而且这样做安装的Pytorch版本很可能是CPU版本的。
图26-1 检验图片、视频等命令格式
图26-1告诉我们检验摄像头、图片、视频等的方法，可以尝试一下。
附录一 下载安装Pytorch
1.复制命令行里的网址，网址的位置如图25所示，并粘贴到浏览器的网址导航栏里。例如：
https://download.pytorch.org/whl/cu111/torch-1.8.1%2Bcu111-cp39-cp39-win_amd64.whl，
即可开始下载对应的文件。
图27 网址位置示意图
2.将对应文件剪切到某一目录下，在该目录的导航栏处输入cmd，敲击回车，即可在对应目录
下打开cmd命令框。将文件名连同文件后缀复制，在cmd命令框中输入：“pip install xxxxx”（xxxxx代表刚才复制的内容），回
车，即可开始安装。如图28所示：
图28 安装示意图
安装成功即可出现以下标志如图29所示，检验的命令和上面说的一样，这里的截图是初代版本的，仅供参考，不一定要完全一样。
图29 成功安装
附录二 下载安装torchversion
1.复制命令行里的网址，网址的位置如图30所示。例如：https://download.pytorch.org/whl/cu111/torchvision-0.9.1%2Bcu111-cp39-cp39-win_amd64.whl，即可开始下载对应的文件。
图30 网址位置示意图
2.将对应文件剪切到某一目录下，在该目录的导航栏处输入cmd，敲击回车，即可在对应目录下打开cmd命令框。将文件名连同文件后缀复制，在cmd命令框中输入：“pip install xxxxx”（xxxxx代表刚才复制的内容），回车，即可开始安装。和附录一的过程类似。就不再多叙述了。torchaudino在requirements.txt没有被要求，所以就不必理会了。
