一、环境和配置
系统：window10
CUDA：10.1
CUDNN：7.4
python：3.7
opencv-python>=4.1.2
pytorch>=1.7.0
本文介绍使用anaconda搭建环境。
1.1 安装anaconda
anaconda的安装教程之前已经写过一篇文章，还没安装的请自行参考安装，这里不再赘述，参考链接：anaconda安装教程
1.2 在anaconda中安装pytorch虚拟环境
这一步不是必须的，但是建议建立虚拟环境安装pytorch，免得中途出错把别的环境也破坏了，到时候就得不偿失了。
在anaconda中安装虚拟环境的教程之前也已经写过了，这里就不写了，自行参考链接：anaconda中创建虚拟环境
1.3 安装CUDA和cudnn
若要使用GPU训练，则需要安装CUDA和cudnn，具体的安装方法可以参考我的另一篇文章：CUDA和cudnn的安装
1.4 安装pytorch GPU版
yolov5最新版本需要pytorch1.7（以前要求是1.6）版本以上，因此我们安装pytorch1.7版本。
第一步：打开命令提示符：
第二步：激活torch环境（我装的虚拟环境取名为torch），输入命令：
activate torch
第三步：安装pytorch。由于先安装好了CUDA10.1，因此在环境中输入：
pip install torch==1.7.0+cu101 torchvision==0.8.1+cu101 torchaudio===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html
然后就是等待pytorch的安装完成，可能需要一定的时间。
如果你想装其他版本，可以先进入pytorch官网，然后选择相应的版本，下面有相应的安装命令，复制下来，在torch环境下输入该命令即可。
第四步：安装好之后，可能需要将numpy进行升级，输入命令：
pip install --upgrade numpy
第五步：测试torch是否安装成功
先打开python编译环境，输入：
python
然后输入下面的命令查看torch的版本：
import torch as t
t.__version__
若输出为下面的结果，则说明pytorch安装成功：
另外也可以输入另一个命令：
import torch as t
t.cuda.is_available
若输出的结果为“True”，则说明安装成功
二 源码测试
2.1 下载源码
在GitHub上下载源码：YOLOv5源码下载地址
2.2 安装依赖项
下载源码并解压后，源码根目录下有一个requirements.txt，这里面就是需要安装的各种依赖项了，安装方法是，从根目录打开命令提示符：在文件夹上方的框里输入“cmd”，然后按回车：
之后就会跳出来一个命令提示符框，并且是在该根目录下：
输入命令：
pip install -r requirements.txt
然后等待安装完成就行了。
2.3 测试
2.3.1 下载权重文件
作者在GitHub中给出了他们训练出来的权重文件：权重文件下载地址
并给出了各种权重文件的检测效果，我们可以随意下载。
将下载的权重文件放在./weight文件夹下。
2.3.2 测试
还是在源码的根目录下打开命令提示符，然后激活torch环境
图片测试：
输入命令：
python detect.py --source ./data/images/ --weights ./weights/yolov5s.pt --conf 0.4
运行之后输出：
这时候根目录文件夹中，多了一个runs文件夹，这里面就是测试的结果：
打开runs文件夹，一路打开里面所有的文件夹，里面有两张检测后的图片：
打开其中一个看一下：
视频测试
输入命令：
python detect.py --source 0 --weights ./weights/yolov5s.pt --conf 0.4
三、训练自己的数据集
待更新！！！
转载：https://blog.csdn.net/qq_40927867/article/details/115768888