安装yolov5 requirements踩的坑（CPU版本）

1， 准备工作

git clone https://github.com/ultralytics/yolov5 # 下载 yolov5 项目
python3 -c "from yolov5.utils.google_utils import gdrive_download; gdrive_download('1n_oKgR81BJtqk75b00eAjdv03qVCQn2f','coco128.zip')" # 下载官方例子的数据集
cd yolov5 #进入yolov5 项目文件
conda install -U -r requirements.txt #安装需求

2，在安装 requirements的时候狂出错

2.1 pytorch

　　直接用conda install pytorch是不可能安装的了的，你得去pytorch 官网获得下载命令：　

　　然并卵，conda install pytorch torchvision torchaudio cpuonly -c pytorch，速度那是相当的慢。找了很多网上的解决办法，清华镜像关掉了，科大镜像也没法用，试了阿里云，还是装不上。各种environment报错，或者各种慢（安装的时候极度崩溃，忘记截屏了）。

　　折腾了一整天后还是决定手动下载，可以去清华镜像官网下载，虽然不能直接用镜像，但是安装文件还是一直在更新的，速度飞一般非常赞！

　　既然能下载当然是下载最新的1.9.0啦！美滋滋的放到D:Users**anaconda3pkgs文件夹里，开始离线安装 conda install --offline *** 然而，装是装好了，美滋滋要调用的时候开始报错：

　　　　[WinError 126] 找不到指定的模块

 　　心里哇凉哇凉的又开始找解决办法，有的说没装vc c++，可是我真的装了T_T。有的说要升级conda，于是conda update all, 还是不行。

　　最后！！！！！忍痛开始给pytorch降级，查了下载yolov5的requirement文件，好吧，那就擦边吧，

　　　　

　　重新去镜像官网下载了

 

　　torchvision忘记把降级之前的删了

　　再重新安装，于是……

　　finally 喜极而泣！

2.2 又检查了一下，还有thop

　　conda install thop 还是不行。有了前面的经验，手动安装（下载地址）

　　下载最新版后又遇到了问题，有了前面的经验，降级……

　　安装的时候又遇到了问题，环境还是不过关？但是用pip安装又没问题，但是！pip安装完用conda list根本看不到，继续网上搜索……终于，这样解决的

　　1）先查看虚拟环境名称

　　  

　　2）然后

 

　　喜极而泣！！！

3，用本地摄像头测试一下

3.1 yolov5s.pt

　　将官网yolov5s.pt权重文件下载到yolov5文件夹下，命令：python detect.py --weights yolov5s.pt --source 0

　　可以看到自己美美的出现在屏幕上，并且被标注为：person 0.56 ....嗯，郁闷的想哭，我就是半个人么？还是试试5x吧

3.2 yolov5x.pt

　　将官网yolov5x.pt文件下载到yolov5文件夹下，命令：python detect.py --weights yolov5x.pt --source 0，报错了~

 　　神马叫：Can't get attribute 'SPPF' ？SPPF是神马东东？搜了全网才发现博客https://blog.csdn.net/Steven_Cary/article/details/120886696 的解答，然后孤陋寡闻的我才刚知道权重文件都出到第6版啦？

　　　

　解决方案是：去Tags6里面的model/common.py里面去找到这个SPPF的类,把它拷过来到你这个Tags5的model/common.py里面,这样你的代码就也有这个类了,还要引入一个warnings包就行了！

　有的同学找不到SPPF这个类，那我现在直接粘贴在这里，你们只需要复制到你们的common.py里面即可，记得把import warnings放在上面去：

import warnings

class SPPF(nn.Module):
    # Spatial Pyramid Pooling - Fast (SPPF) layer for YOLOv5 by Glenn Jocher
    def __init__(self, c1, c2, k=5):  # equivalent to SPP(k=(5, 9, 13))
        super().__init__()
        c_ = c1 // 2  # hidden channels
        self.cv1 = Conv(c1, c_, 1, 1)
        self.cv2 = Conv(c_ * 4, c2, 1, 1)
        self.m = nn.MaxPool2d(kernel_size=k, stride=1, padding=k // 2)

    def forward(self, x):
        x = self.cv1(x)
        with warnings.catch_warnings():
            warnings.simplefilter('ignore')  # suppress torch 1.9.0 max_pool2d() warning
            y1 = self.m(x)
            y2 = self.m(y1)
            return self.cv2(torch.cat([x, y1, y2, self.m(y2)], 1))

　　亲测可用，美美的我终于变成 person 0.95了，但实时性实在是比5s差很多

　　终于有篇原创的博客了哈哈哈