配置视频

视频地址: https://www.bilibili.com/video/BV1Mp4y1n7HR/

需求环境

1. 操作系统: Win10 或 Win11 64位系统（必须）
2. 显卡要求: 最好有 NVIDIA 显卡，显卡驱动更新到最新版本
3. 网络要求: 全局科学上网，因为安装包需要从外网下载（必须）

安装步骤

1. 安装 Python3.10.8:

   • 下载地址: Python官网
   • 安装时勾选添加路径到系统环境变量，推荐手动添加环境变量 PYTHONDONTWRITEBYTECODE=1

2. 安装 CUDA (可选):

   • 下载地址: NVIDIA CUDA
   • 自定义安装，仅选择安装 CUDA，其他不选

3. 安装 PyTorch:

   • 下载地址: PyTorch
   • 选择稳定版本，Windows系统，Pip安装，选择最新的 CUDA 版本（或选择 CPU）

4. 安装 YOLO依赖:

   • 进入yolov5-7.0目录执行命令：pip install -i https://mirrors.cloud.tencent.com/pypi/simple -r requirements.txt
   • cpu训练 安装依赖 pip install torch>=1.7.0 torchaudio>=1.7.0 torchvision>=0.8.1 -i https://mirrors.cloud.tencent.com/pypi/simple
   • gpu训练 安装依赖 pip install torch>=1.7.0+cu118 torchaudio>=1.7.0+cu118 torchvision>=0.8.1+cu118 -i https://download.pytorch.org/whl/cu118

5. 安装 Git:

   • 下载地址: Git

6. 测试识别:

   • 进入 yolo 目录，执行命令：python detect.py --weights yolov5s.pt --source data/images/bus.jpg

7. 测试训练:

   • 进入 yolo 目录，执行命令：python train.py --weights yolov5s.pt --epochs 300 --batch-size 16 --workers 8 --data ../datasets/coco8/coco8.yaml

8. 测试模型格式转换:

   • 进入 yolo 目录，执行命令：python export.py --weights yolov5s.pt --simplify --include onnx

9. 环境配置完成!

   • 观看视频教程学习如何搭配插件使用

注意: YOLO路径中不要包含非英文字符。

免责声明

程序是免费开源的产品，仅用于学习交流使用！
不可用于任何违反中华人民共和国(含台湾省)或使用者所在地区法律法规的用途。
因为作者即本人仅完成代码的开发和开源活动(开源即任何人都可以下载使用)，从未参与用户的任何运营和盈利活动。
且不知晓用户后续将程序源代码用于何种用途，故用户使用过程中所带来的任何法律责任即由用户自己承担。

JetBrains 支持的项目

非常感谢 Jetbrains 友好地为我提供了一个许可，让我可以从事这个项目和其他开源项目。

License

MIT