windows

准备工作

Anaconda: 对于不同的项目，我们可能需要不同版本的软件才能兼容，亦或只需要安装需要的包在release时才能编译一个最小的包。该软件可以创建一个虚拟的运行环境，帮助我们解决上述问题。在windows下建议必装一个，个人觉得非常好用。
Tip:安装时勾选添加到环境变量，省去手动添加
Git: 代码管理必备
VSCode: 宇宙最强代码编辑器

创建虚拟环境

• 新建一个名为torch，python版本为3.7的虚拟环境
  conda create -n torch python=3.7
conda env list 查看当前拥有的虚拟环境，base为自带环境，有名为torch的环境则创建成功
  conda activate torch 将当前环境切换到torch,命令行前有(torch)字样则切换成功

查看CUDA版本

• Yolo项目貌似只支持NVIDIA的卡，或者纯CPU计算。
  nvidia-smi 查看当前GPU的CUDA版本，图中我的CUDA版本为11.5
  

安装pytorch

• 根据自己的CUDA版本选择，如果没有，可在历史版本中选择
  例如我的CUDA版本为11.5，但是官方并没有直接提供11.5可用的链接，则需要对链接逐个测试安装
  
• 经测试，CUDA11.5conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge可用
  这个过程需要的时间很长，单是pytorch一个包就有1.5G，有科学上网是最好的，没有可以换清华源（据说不太稳定，而且我没试过），后续可能会上传一个下载好的包传到网盘
• 可以将上述命令多执行几次，可能因为网络原因部分包可能安装不成功。安装完成之后建议将torch环境备份一个，以备不时之需。一般在安装目录下的env文件夹
• conda list查看当前环境下安装的包

下载yolov5源码

• git clone https://github.com/ultralytics/yolov5.git
• vscode打开项目文件夹，通过左下角将环境切换到torch
  ctrl+~打开终端，pip install -r requirements.txt安装yolo项目依赖
• 其中关于torch的部分建议注释掉，否则可能因为torch升级导致不确定问题。另外由于pycocotolls在windows中名称不同，使用pip install pycocotools-windows，然后注释requirements中的内容。
  Tip:若是上述命令安装部分包不成功，可以使用conda客户端搜索添加，命令行我发现有些包明明提供了但是就是安装不了，客户端可以安装。

至此环境全部搭建完成

运行demo

官方提供了一个train.py和detect.py，前者用于训练，后者用于检测。

• detect.py
  环境搭建完成之后即可运行detect.py文件，如果正常运行，那么在项目根目录中会生成./run文件夹，其中包含了运行的结果
  
• train.py
  运行该文件会在与yolov5同级目录下生成一个datasets文件夹，其中包含了一个官方的coco128训练数据集例程。
  Tip：如果报错piperror，需要将配置中workers项由8改为4或更小
  

Linux

（coding）