首先在GitHub上把yolop和yolopv2的源代码下下来，这里比较良心的是，yolop的源代码里面就已经有权重文件了，不需要另外下载，所以直接使用即可，yolopv2的权重文件需要自己下。链接如下。

 

GitHub - hustvl/YOLOP: You Only Look Once for Panopitic Driving Perception.（https://arxiv.org/abs/2108.11250）

这是YOLOP的链接。

GitHub - CAIC-AD/YOLOPv2: YOLOPv2: Better, Faster, Stronger for Panoptic driving Perception

这是YOLOPV2的链接。

下载yolopv2的权重文件，直接点models下的here那里即可，下载完成以后直接放入yolopv2的文件夹中。

 1.yolop的demo跑通

如果是零基础的同学，请移步我的第一篇博客，学习如何配置环境，然后再回来。链接如下

(3条消息) 《关于我被车创④，转生到异世界以后什么都不会，于是从零开始搞深度学习这回事》之 yolov7保姆级教学_深度学习鲨我的博客-CSDN博客

环境配置完毕以后，输入以下代码搭建项目所需环境。

pip install -r requirements.txt

他给的环境文件里面好像是没有python和pytorch的版本的，这里需要自己搭配，我的版本是python3.9和pytorch1.8.0，这里其实版本不太重要，主要是要能使用cuda，当然，如果您不知道怎么配环境的话，直接抄我的也可以。

如何配置python和pytorch的方法在上面的博客中也有介绍，这里就不多赘述了。

环境配置完成以后，在tools中打开demo.py，这里有几个需要修改的参数。

167行，是你权重文件的地址，168行，是你需要检测的文件地址，173行，是你的文件检测完以后保存的地址，修改完成以后，直接运行即可。

如果运行无误的话，你的结果大概是这样的。

不一定是这张图，因为大家用的图都不一样，但是大概是这么个意思，只要结果跟这个差不多，那么环境搭建就可以了。

2.yolopv2的demo跑通。

如果yolop能够跑通的话，那么直接跑yolopv2也没什么问题，在官网下载完源代码和权重文件以后，直接在yolop的环境下打开即可。权重下载位置如下。

 

models下面，点击here。

 

 需要修改的位置为19，20行，19行改为自己的权重地址，20行改为你要检测的文件的地址，24行是选择使用gpu或者cpu，没有gpu就改为cpu，有就改为0。到此，yolop和yolopv2的demo跑通就结束了。