目录
- 一、更换官方源
- 二、安装Pytorch+CUDA(python版本)
- 三、YOLO V5 配置与验证
- 四、数据集测试
- 五、小结
不想看前面，可以直接跳到标题： 一、更换官方源
在 YOLO V5 官方gayhub页面（https://github.com/ultralytics/yolov5），看到如下内容：
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，为了避免不必要麻烦，python请换成3.8版本！同时也要提前打开 requirements.txt文件（见下文），了解其依赖库版本。我这里事先安装好Anaconda3-2020.07-Windows-x86_64，对应Python3.8。
打开requirement.txt文件，内容如下。
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、更换官方源
由于YOLO V5 最近才出，清华等国内源似乎没有跟上步调（例如：服务器中没有Python3.8安装包），所以，这里使用官方源（要是你能找到合适国内源下载也行啊）。换源请参考：https://www.cnblogs.com/winslam/p/13347331.html
或者更简单的方法：手动打开 C:\Users\Administrator\.condarc文件，修改后，为如下内容
1 ssl_verify: true 2 show_channel_urls: true
【注：需要提前安装Anaconda3-2020.07-Windows-x86_64（去anaconda官网下就行了），对应Python3.8； 当你看到这篇博客的时候，说不定YOLO V5 页面的安装需求变为Python3.9...】
打开如上图红圈内的命令行窗口，本篇博客下述所有指令将在其上进行操作，而不是win自带CMD or powershell
二、安装Pytorch+CUDA(python版本)
先创建conda虚拟环境，取名字为pytorch
1 conda create -n pytorch python=3.8 2 conda activate pytorch # 激活虚拟环境
在pytorch官网，我们作出如下图选择，然后复制生成的脚本指令。
# 在pytorch官方选择相关依赖库版本，将其自动生成的安装命令拷贝，在命令行执行，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，已经集成到上述pytorch中】
-----------------------------------------------------------------------------------------------------------------【如果上述成功安装了pytorch等库，则忽略这一段处理】----------------------------------------------------------------------------------------------------------------
注：上述第一行指令执行后，系统回去指定链接下载相关包。如果下载网速太慢或导致错误，可将名为 xxx.whl的下载链接粘贴到 IDM 或者迅雷中下载；其下载链接会在控制台中打印出来，你应该能看到。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
(从其拓展名也知道，该库仅支持python3.8，上述所有库的集合在链接：https://download.pytorch.org/whl/torch_stable.html )
下载到本地怎么安装？例如我将 torch 用迅雷下载好的库放到D盘根目录，那么使用pip安装该库的指令如下：
pip install d:/torch-1.6.0-cp38-cp38-win_amd64.whl
------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
安装完毕后，需要检查下。根据我的经验，当一句命令行安装多个库，有时候总是会后漏网之鱼。执行以下指令：
conda list
我们看到torch 和 torchvision都有了，而且版本符合yolo v5 工程中requirement.txt 文件的要求。如果你发现如torchvision没有安装，这时候，只需要重复上述pip install......安装步骤即可。【注：上图torch显示版本是：1.6.0+cu101，如果你显示的是1.6.0，表示你安装的是cpu版本】
至此，我们已经安装了合适yolo v5的pytorch版本（GPU版）、ipython等（下面会安装requirment.txt中要求的剩余依赖库，比较简单）。这时候，可以简单测试、验证下pytorch与torchvision是否安装成功：
# 在控制台键入 ipython，然后逐条输入如下指令，
# 或者在ide中新建test.py，然后复制如下代码，然后运行可行
ipython
import torch
torch.cuda.is_available()
import torchvision
torchvision.__version__
输出:
true;
totch161 + cu101
torchvision + cu101
证明GPU能够为pytorch加速
接着安装其余依赖，CD进入yolo源码目录，执行以下指令：
pip install -r requirements.txt
三、YOLO V5 配置与验证
去如下网站下载yolo5源码，我这里解压放在F盘根目录：
git clone https://github.com/ultralytics/yolov5.git
在命令行键入如下指令(测试yolo5源码包中自带图片 bus.jpg)：
1 python detect.py --source ./inference/images/bus.jpg
其中bus.jpg式输入图像，输出的效果图保存在F:\yolov5-master\inference\output 路径下。
在命令行键入如下指令，使用摄像头进行目标检测，使用默认权重文件：
(pytorch) F:\yolov5-master>python detect.py --source 0
四、数据集测试（没兴趣可以忽略）
在网站：https://public.roboflow.ai/
https://public.roboflow.ai/object-detection/mask-wearing
下载”人类是否戴口罩“的检测数据集，在页面按ctrl+F搜索mask，可能需要梯子。由于口罩检测是二分类，所以修改yolov5/models/yolov5s.yaml，将nc = 80修改为nc = 2，因为数据集中只有mask和no-mask2个类别
接着修改mask/data.yaml文件内容为：
train: ../mask/train/images
val: ../mask/valid/images
#注：上述train 、val表示的路径，是相对于yolov5中源码的路径！
nc: 2
names: ['mask', 'no-mask']
执行以下命令，开始训练
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多张图，训练了2小时。训练过程，我看过资源管理器，显存被占用了4Gb，GPU占用率一直很低，这是什么原因呢？
(我已经搞清楚训练很慢的原因，原因是：yolo5源码默认开启CPU多线程加载图片，所以很慢，需要在源码中修改，--worker = 0，或者在上面训练指令中新增，具体如下：
1 python train.py --img 640 --batch 16 --epochs 300 --data ../mask/data.yaml --cfg models/yolov5s.yaml --weights '' --worker 0
)
执行以下命令，我们用单目摄像头来检测口罩：
pytorch) F:\yolov5-master> python detect.py --source 0 --weights runs/exp5/weights/best.pt
可以看到一个帅气的老哥.............口罩虽然被检测出来了，但是置信度有点低。
五、小结（没兴趣可以忽略）
YOLO V5作为新秀，和V4原理相似度极高，他们性能差不多，但是V4：偏于学术，容易工程化，而V5生而服务于工程化，结论：V5更香！
【实践证明：在Python环境下，咱们在安装torch的时候，安装了python版本的cuda后，是不用再安装NVIDIA官网的cuda，这时候显卡加速有效。如果部署到C++ OpenCV工程中，可以用CPU跑，至于GPU跑，应该还是要安装CUDA+cuDnn】
如下图，这里是没有在win10系统中安装CUDA，但是在python的conda虚拟环境中安装了python版本的cuda，所以你看，还是有加速效果。猜想：之所以国内很多博客在教学安装pytorch环境中都要安装cuda环境的原因很可能是pytorch早期版本必须这样?还是一个吃螃蟹大佬搞错，导致后面的“复制粘贴”者都搞错？
