yolov5無從下手？一篇就夠的保姆級教程,2021年全部基于最新配置的yolo快速入門路線規劃圖

一、打破yolo神秘面紗——直接上手！

yolo并不是一個很神秘的東西，現在我先從一個github上一個比較知名的關于yolov5的項目基于yolov5的物體檢測，這個模型是在coco128上訓練好的，能識別80種物體。也支持識別視頻和實時檢測，自主訓練模型并部署，算是一個絕佳的項目。

效果圖

（1）下載Anaconda和pycharm

1、下載Anaconda最新版本

注：一定要下載Anaconda奧，這個的包比較全

1. 1 Anaconda官方下載地址：

https://www.anaconda.com/products/individual-d#download-section
界面：

1.2 Anaconda 的安裝 下載好之后雙擊打開可執行安裝文件：

1.3 進入到安裝界面：

注：請記住你安裝Annaconda的安裝地址，以后會用到

1.4 這里建議兩個都勾選（第一個選項是將 Anaconda 添加到環境變量中，不勾選的話后期要自己添加到環境變量）

1.5 安裝完畢后可以看到開始菜單中出現如下選項：

至此 Anaconda 的安裝完畢。
注：如果沒有出現可以看這一篇博客：
https://blog.csdn.net/qq_51116518/article/details/119975357?spm=1001.2014.3001.5501

2、Pycharm 的安裝

2.1Pycharm 官方下載站點

https://www.jetbrains.com/pycharm/download/#section=windows
界面
這里我們選擇右邊的社區版（Community），是開源且 免費 的一個版本。

2.2 pycharm 的安裝 下載好之后雙擊打開可執行安裝文件：

2.3、選擇安裝目錄，Pycharm需要的內存較多，建議將其安裝在D盤或者E盤，不建議放在系統盤C盤。

2.4、進行相關設置，如果你無特殊需要按照圖中勾選即可。

數字1：create desktop shortcut（創建桌面快捷方式），系統32位就選32-bit,系統64位就選64-bit。
筆者的電腦是64位系統，它自動顯示64位。
數字2：update path variable(restart
needed)更新路徑變量(需要重新啟動)，add launchers dir to the path（將啟動器目錄添加到路徑中）。
數字3：update context menu（更新上下文菜單），add open folder as project（添加打開文件夾作為項目）。添加鼠標右鍵菜單，使用打開項目的方式打開此文件架。如果你經常需要下載一些別人的代碼查看，可以勾選此選項，這會增加鼠標右鍵菜單的選項。也就是你雙擊你電腦上的
py 文件，會默認使用 pycharm 打開。

數字4：create associations

創建關聯，關聯.py文件。將所有py文件關聯到pycharm。

2.5、默認即可，點擊install。

2.6、安裝完成

（2）重啟電腦

（3）創建pytorch環境

3.1 打開Anaconda 終端

終端界面如下：

3.2 利用Anaconda創建一個名字叫 pytorch的環境

輸入:conda create -n pytorch python出現如下界面

翻到下面，程序告訴我們有以下這些包是否下載，我們靜靜輸入y表示俺要下載這些東東，下載（肯定的啦不下載，來這干嘛）

看到這個界面表示創建環境完成

3.3 在創建的pytorch環境中導入pytorch包

注:那個pytorch是我們創建的環境名字奧，這個環境還沒有導入pytorch包還是空殼一個

看到上面的有一段話：To activate this environment, use $ conda activate pytorch
翻譯成人話就是：請問這位親是否要激活這個（剛創立的pytorch）環境呢？如果要激活的話請輸入： conda activate
pytorch 奧

看到了上面這句話，我默默抬起了我的頭45°角仰望天空，啊，我是要激活這個環境在安裝的，不然裝(b)給誰看呢？

a、輸入：conda activate pytorch 激活pytorch環境

他十分給面子的把環境激活了，并在下一行左邊框框換成（pytorch）老父親不禁露出了欣慰的笑容

b、導入清華源

目的：加快下載速度，和避免由于不穩定導致的下載失敗
注意：得一行一行輸入以下指令
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

c、輸入：conda install pytorch torchvision torchaudio cpuonly

開始在創建的一個名字叫pytorch的環境中下載pytorch包

他開始下載了。

下載結束的標志如下：
至此我們已經創建好一個pytorch環境
如果你不放心可以輸入：pip list

我們就可以看到配置好的環境有那些包，如果你包名和上面差不多特別是有 torch 表示你前面的步驟都對了

（4）下載github上的這一個yolov5項目

怕大家下載不了，這里我就發我的百度網盤分享了
鏈接：https://pan.baidu.com/s/10_dKLw4IlhKA1MXtJ5N6hw
提取碼：2t7w

（5）在pycharm上運行這個項目

5.1 用pycharm打開這個項目

下載后解壓，右鍵解壓后的文件夾，選擇用pycharm打開

5.2 為這一個項目分配pytorch環境

之后一路ok下去直到回到以下這個界面

5.3 根據這個項目對環境的要求進行下載所需要的庫

然后，你看看他的右下角發現很多東西在下載

這就是在配置這個項目自己要求的環境了。
這一步可能需要的時間有點久
如果出現下載報錯，表示這些包不能偷懶自動下載了，你要手動下載

注意：在這一步，大家錯誤的個數和數量可能都不大一樣，都按下面流程走就行了，
點擊ok

輸入的格式是：pip install +之前圖上我用黑框框框起來的部分我的是：opencv-python


如果沒有報錯，表示我們都配置正確啦。

5.4 修改每次執行時pycharm中的內置參數

5.5 運行檢測運行結果

在這里， # 上面那一行source的參數表示你要檢測的圖像位置，圖中那個default="data/images’意思是對yolov5-5.0中data文件夾/images文件夾內所有圖片都檢測。
# 如果是default="data/images/bus.jpg’表示只對這一個圖片進行檢測
# 如果是default="data/images/xxx.mp4’表示對整個視頻進行物體識別
如果想要，實現實時檢測,你需要獲得一個網絡攝像機：比如你的手機攝像頭的http/rtsp地址：獲取之后填在以下位置里面

http:獲取方法可以看這篇博客：https://blog.csdn.net/qq_51116518/article/details/120118736?spm=1001.2014.3001.5501

5.6 查看運行yolov5物體檢測后的結果

到這里就執行成功了。

二、倒過頭鞏固基礎。

1、精讀yolov1論文：嗶哩嗶哩教程如下

https://www.bilibili.com/video/BV15w411Z7LG?from=search&seid=7941427599582091010

我入門yolo就是看這個入門來著，對yolov1他花了1年去錄這個視頻，對yolov1這篇論文和yolo的前世今生講的很明白

2、小土堆對這個項目的精講

https://www.bilibili.com/video/BV1tf4y1t7ru?spm_id_from=333.999.0.0

我是土堆這個up主讓我入門了項目實戰。
看了這個之后我就學會了如何拿早已經有的模型進行檢測-》學會如何自己訓練模型-》制作數據集形成一個閉環。
并且他的講的個人覺得很nice。沒有漏一點東西。個人覺得用他來入門yolov5項目實戰是最好的

3、其他與yolo有關的實踐項目

https://www.darwinlearns.com/te202007?source=article

通過這個課程你將學會，并且這是免費的，，，，
我們的口號是什么？我們的口號是在做中學奧

同濟子豪兄，是嗶哩嗶哩一個比較厲害的阿婆主沒想到在達爾聞也能找到他

4、YOLO系列算法精講：從yolov1至yolov4的進階之路（2萬字超全整理，建議收藏！）:

倒過頭從yolov1~yolov4補足基礎
https://blog.csdn.net/wjinjie/article/details/107509243?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163082957716780366599375%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=163082957716780366599375&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_alltop_positive~default-1-107509243.first_rank_v2_pc_rank_v29&utm_term=yolo&spm=1018.2226.3001.4187
這一個是關于yolov1~yolov4的一個比較好的csdn文章

5、如果你opencv還沒有入門，建議去補充好，當前最佳入門視頻：

https://www.bilibili.com/video/BV1i54y1m7tw?p=27

通過這個視頻，你將以工程標準，制作出30個利用opencv實現的 demo，在這一過程中，熟悉opencv操作。
里面是環境是VS2017+opencv4 c++，當然用vs2019也行，我就是用vs2019，只是會出現一些不一樣，不過網上都能很好的給你解決

如果你從頭一直做到尾，畢業出來靠機器視覺的基礎找個工作應該是沒有問題。

我的很多老師，看了背景資料才知道，是搞視覺出身的，視覺是絕對是al領域最火的領域之一。

如果感到這篇文章對你有幫助，不要忘記點贊噢。之后，我還會在此基礎上進行繼續學習研究帶來更多不一樣的視覺博客。如果喜歡我的畫風關個注更容易找到小編哦qwq