目錄
- 一、更換官方源
- 二、安裝Pytorch+CUDA(python版本)
- 三、YOLO V5 配置與驗證
- 四、數據集測試
- 五、小結
不想看前面，可以直接跳到標題： 一、更換官方源
在 YOLO V5 官方gayhub頁面（https://github.com/ultralytics/yolov5），看到如下內容：
1 Requirements 2 Python 3.8 or later with all requirements.txt dependencies installed, including torch>=1.6. To install run: 3 4 $ pip install -r requirements.txt
所以，為了避免不必要麻煩，python請換成3.8版本！同時也要提前打開 requirements.txt文件（見下文），了解其依賴庫版本。我這里事先安裝好Anaconda3-2020.07-Windows-x86_64，對應Python3.8。
打開requirement.txt文件，內容如下。
1 # pip install -r requirements.txt
2 Cython 3 matplotlib>=3.2.2 4 numpy>=1.18.5 5 opencv-python>=4.1.2 6 pillow 7 # pycocotools>=2.0 8 PyYAML>=5.3 9 scipy>=1.4.1 10 tensorboard>=2.2 11 torch>=1.6.0 12 torchvision>=0.7.0 13 tqdm>=4.41.0
一、更換官方源
由於YOLO V5 最近才出，清華等國內源似乎沒有跟上步調（例如：服務器中沒有Python3.8安裝包），所以，這里使用官方源（要是你能找到合適國內源下載也行啊）。換源請參考：https://www.cnblogs.com/winslam/p/13347331.html
或者更簡單的方法：手動打開 C:\Users\Administrator\.condarc文件，修改后，為如下內容
1 ssl_verify: true 2 show_channel_urls: true
【注：需要提前安裝Anaconda3-2020.07-Windows-x86_64（去anaconda官網下就行了），對應Python3.8； 當你看到這篇博客的時候，說不定YOLO V5 頁面的安裝需求變為Python3.9...】
打開如上圖紅圈內的命令行窗口，本篇博客下述所有指令將在其上進行操作，而不是win自帶CMD or powershell
二、安裝Pytorch+CUDA(python版本)
先創建conda虛擬環境，取名字為pytorch
1 conda create -n pytorch python=3.8 2 conda activate pytorch # 激活虛擬環境
在pytorch官網，我們作出如下圖選擇，然后復制生成的腳本指令。
# 在pytorch官方選擇相關依賴庫版本，將其自動生成的安裝命令拷貝，在命令行執行，即：
pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html
pip install ipython
【注：cu101表示CUDA10.1版本，已經集成到上述pytorch中】
-----------------------------------------------------------------------------------------------------------------【如果上述成功安裝了pytorch等庫，則忽略這一段處理】----------------------------------------------------------------------------------------------------------------
注：上述第一行指令執行后，系統回去指定鏈接下載相關包。如果下載網速太慢或導致錯誤，可將名為 xxx.whl的下載鏈接粘貼到 IDM 或者迅雷中下載；其下載鏈接會在控制台中打印出來，你應該能看到。例如：
torch==1.6.0： https://download.pytorch.org/whl/cu102/torch-1.6.0-cp38-cp38-win_amd64.whl
torvision==0.7.0: https://download.pytorch.org/whl/cu102/torchvision-0.7.0-cp38-cp38-win_amd64.whl
(從其拓展名也知道，該庫僅支持python3.8，上述所有庫的集合在鏈接：https://download.pytorch.org/whl/torch_stable.html )
下載到本地怎么安裝？例如我將 torch 用迅雷下載好的庫放到D盤根目錄，那么使用pip安裝該庫的指令如下：
pip install d:/torch-1.6.0-cp38-cp38-win_amd64.whl
------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
安裝完畢后，需要檢查下。根據我的經驗，當一句命令行安裝多個庫，有時候總是會后漏網之魚。執行以下指令：
conda list
我們看到torch 和 torchvision都有了，而且版本符合yolo v5 工程中requirement.txt 文件的要求。如果你發現如torchvision沒有安裝，這時候，只需要重復上述pip install......安裝步驟即可。【注：上圖torch顯示版本是：1.6.0+cu101，如果你顯示的是1.6.0，表示你安裝的是cpu版本】
至此，我們已經安裝了合適yolo v5的pytorch版本（GPU版）、ipython等（下面會安裝requirment.txt中要求的剩余依賴庫，比較簡單）。這時候，可以簡單測試、驗證下pytorch與torchvision是否安裝成功：
# 在控制台鍵入 ipython，然后逐條輸入如下指令，
# 或者在ide中新建test.py，然后復制如下代碼，然后運行可行
ipython
import torch
torch.cuda.is_available()
import torchvision
torchvision.__version__
輸出:
true;
totch161 + cu101
torchvision + cu101
證明GPU能夠為pytorch加速
接着安裝其余依賴，CD進入yolo源碼目錄，執行以下指令：
pip install -r requirements.txt
三、YOLO V5 配置與驗證
去如下網站下載yolo5源碼，我這里解壓放在F盤根目錄：
git clone https://github.com/ultralytics/yolov5.git
在命令行鍵入如下指令(測試yolo5源碼包中自帶圖片 bus.jpg)：
1 python detect.py --source ./inference/images/bus.jpg
其中bus.jpg式輸入圖像，輸出的效果圖保存在F:\yolov5-master\inference\output 路徑下。
在命令行鍵入如下指令，使用攝像頭進行目標檢測，使用默認權重文件：
(pytorch) F:\yolov5-master>python detect.py --source 0
四、數據集測試（沒興趣可以忽略）
在網站：https://public.roboflow.ai/
https://public.roboflow.ai/object-detection/mask-wearing
下載”人類是否戴口罩“的檢測數據集，在頁面按ctrl+F搜索mask，可能需要梯子。由於口罩檢測是二分類，所以修改yolov5/models/yolov5s.yaml，將nc = 80修改為nc = 2，因為數據集中只有mask和no-mask2個類別
接着修改mask/data.yaml文件內容為：
train: ../mask/train/images
val: ../mask/valid/images
#注：上述train 、val表示的路徑，是相對於yolov5中源碼的路徑！
nc: 2
names: ['mask', 'no-mask']
執行以下命令，開始訓練
cd yolov5
python train.py --img 640 --batch 16 --epochs 300 --data ../mask/data.yaml --cfg models/yolov5s.yaml --weights ''
可以看到，100多張圖，訓練了2小時。訓練過程，我看過資源管理器，顯存被占用了4Gb，GPU占用率一直很低，這是什么原因呢？
(我已經搞清楚訓練很慢的原因，原因是：yolo5源碼默認開啟CPU多線程加載圖片，所以很慢，需要在源碼中修改，--worker = 0，或者在上面訓練指令中新增，具體如下：
1 python train.py --img 640 --batch 16 --epochs 300 --data ../mask/data.yaml --cfg models/yolov5s.yaml --weights '' --worker 0
)
執行以下命令，我們用單目攝像頭來檢測口罩：
pytorch) F:\yolov5-master> python detect.py --source 0 --weights runs/exp5/weights/best.pt
可以看到一個帥氣的老哥.............口罩雖然被檢測出來了，但是置信度有點低。
五、小結（沒興趣可以忽略）
YOLO V5作為新秀，和V4原理相似度極高，他們性能差不多，但是V4：偏於學術，容易工程化，而V5生而服務於工程化，結論：V5更香！
【實踐證明：在Python環境下，咱們在安裝torch的時候，安裝了python版本的cuda后，是不用再安裝NVIDIA官網的cuda，這時候顯卡加速有效。如果部署到C++ OpenCV工程中，可以用CPU跑，至於GPU跑，應該還是要安裝CUDA+cuDnn】
如下圖，這里是沒有在win10系統中安裝CUDA，但是在python的conda虛擬環境中安裝了python版本的cuda，所以你看，還是有加速效果。猜想：之所以國內很多博客在教學安裝pytorch環境中都要安裝cuda環境的原因很可能是pytorch早期版本必須這樣?還是一個吃螃蟹大佬搞錯，導致后面的“復制粘貼”者都搞錯？
