• 转载请备注原文出处，谢谢：https://blog.csdn.net/pentiumcm/article/details/109346821

深度学习 — yolov5 算法环境（GPU / CPU）搭建与使用

一、环境依赖

• anacoda
• python >= 3.8
• CUDA，cudnn
• torch>=1.6

二、搭建过程

1. GPU环境

1. anaconda 安装与使用：
   参考我的另一篇博客：https://blog.csdn.net/pentiumCM/article/details/104106636
   
   

2. 安装 CUDA：
   官网下载地址：https://developer.nvidia.com/cuda-10.2-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
   
   下载完直接安装即可。

2. 创建 python 环境：

conda create -n yolov5 python=3.8

3. python环境内安装pytorch：
   版本对应，参照官网：https://pytorch.org/

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

4. 下载 yolov5 的源代码：
   https://github.com/ultralytics/yolov5
   
   
   
   

5. 安装 python 依赖包：

   pip install -r requirements.txt
   

2. CPU环境

当我们电脑中没有 NVIDIA 的显卡时，我们可以采用 CPU 版本的 pytorch 来进行 yolov5 的实验。
具体调整如下：

• 不需要安装 CUDA，cudnn

• pytorch 安装命令：

  conda install pytorch==1.6.0 torchvision==0.7.0 cpuonly -c pytorch
  

  其余步骤与 GPU 环节一致。

三、yolov5使用

1. 使用预训练的模型：

   • 直接运行项目根目录下面的 detect.py 文件即可，生成的检测结果在 output 文件夹中
     
     

   • 直接使用摄像头：

     python detect.py --source 0