YOLOv5 PyTorch 环境配置与排错学习日志1.安装yolov5源码顺利无事发生YOLO (You Only Look Once)概念一种极具革命性的“目标检测”算法架构。通俗比喻以前的检测算法比如 R-CNN像是一个近视眼拿着放大镜在图片上一点点滑动扫描看这里是不是人、那里是不是老鼠速度极慢。而 YOLO 顾名思义“你只看一次”它把整张图片看作一个整体瞬间输出画面里所有物体的位置和类别。实际应用因为速度极快它天生适合做实时视频流的检测。2.安装anacondaAnaconda概念一个极其强大的 Python 环境和包管理器。通俗比喻一座拥有无数个“独立无菌实验室”的科研大楼。开发 AI 最怕环境冲突比如项目 A 需要 Python 3.7项目 B 需要 Python 3.10。Anaconda 的 conda create 命令就是为你建一个叫 yolov5test 的独立实验室。在这个房间里你怎么折腾、装错什么包都不会影响电脑系统的原生态或其他实验室。实际应用当你遇到 WinError 126 时你可以毫不犹豫地用它一键卸载或者直接炸掉重建这个环境成本极低。第一个卡壳点安装后没有弹出像教程一样配置环境的弹窗点击.exe闪退解决 把问题扔给trae利用它的自动化解决问题。采用命令行的方式创建了conda环境命名为yolov5test。 conda 环境是什么想象一下您的电脑是一个 工具箱 conda 环境就像里面的 不同工具包 base 环境 默认工具包包含 Anaconda 自带的所有东西yolov5test 环境 专门为 YOLOv5 准备的工具包只有 Python 3.7 和您需要的库 激活环境是什么意思激活环境 就像是 拿起了特定的工具包开始工作 激活前用的是默认的 Python 和库激活后用的是 yolov5test 环境里的 Python 3.7 和专门为它安装的库3.安装pycharm. PyCharm概念集成开发环境IDE。通俗比喻你实验室里那张配备了显微镜、自动机械臂和探照灯的“高级工作台”。它本身不参与代码的运算但它提供代码高亮、自动补全、错误提示功能。第二个卡壳点下载后没有激活码。向up主三联私信长时间不回次日上午回复但是各种的加群和加微信。解决好在当晚我就找到了良心资源成功破解。链接https://docs.qq.com/doc/DY3JYYVZEaFZ5eGt1 良心第三个卡壳点创建工程后设置项目解释器。版本问题界面选项不同不知道干什么选哪个。解决 意思是想让你 使用conda环境里装的python 解释器避免兼容报错4.安装cuda10.2和cudnn算力加速器CUDA、cuDNNCUDA (Compute Unified Device Architecture)概念NVIDIA英伟达推出的并行计算平台和编程模型。通俗比喻中央处理器CPU就像是几位顶级的数学教授处理复杂逻辑非常强但人手太少而图形处理器GPU像是一万名极其擅长算加减乘除的小学生。CUDA 就是那个能把极其繁重的 AI 矩阵运算任务瞬间拆解并分配给这一万名小学生同时去做的**“教导主任”**。实际应用这也是为什么没有独立显卡的电脑比如只有核显的轻薄本装不了 CUDA 版本的原因因为电脑里物理上并不存在那一万名特定编制的小学生。cuDNN (CUDA Deep Neural Network library)概念NVIDIA 专门为深度学习原语打造的 GPU 加速库。通俗比喻如果 CUDA 是教导主任cuDNN 就是专门发给这一万名小学生的**“神经网络速算秘籍”**。有了它小学生们在计算深度学习里最常见的“卷积”、“池化”等操作时速度会快上好几倍。它是建立在 CUDA 基础之上的高级加速插件。无事发生。5.安装pytorch1.5.1以及其他库PyTorch概念由 Meta原 Facebook开源的深度学习框架。通俗比喻一套极其完善的“神经网络乐高积木”。如果没有它你需要用纯 C 或者复杂的数学公式去手写底层的矩阵求导和反向传播。有了 PyTorch你可以直接调用封装好的高级函数比如一行代码实现卷积层像搭积木一样快速拼凑出 YOLO 的算法结构。实际应用你之前跑的 test1.py 里的 import torch就是把这套积木搬进了你的工作台。第四个卡壳点pycharm 导入验证不通过OSError: [WinError 126] 找不到指定的模块导致运行失败的元凶安装不进conda里解决仔细审查AI的解决方法不断补充精确信息版本号、自己计算机的型号。AI发现电脑没有独立显卡后解决的效率一下提升给的方案是重新安装 CPU 版本的 PyTorch同时下载的 CUDA 10.2 在这台电脑上用不上。CUDA 是 NVIDIA英伟达独家的并行计算架构。 也就是说它只能在带有 NVIDIA 独立显卡比如常见的 RTX 或 GTX 系列的硬件上运行。第五个卡壳点网络拦截下载报错报告是代理的问题关了梯子仍然尝试浏览器下载本地安装出现依赖死循环。解决国内镜像源安装产生支线任务torchvision 是 PyTorch 官方专门为计算机视觉任务开发的工具包可以理解为 PyTorch 在图像和视频领域的“配件包”。PyTorch 就像一辆汽车的发动机核心动力能进行各种数学计算。torchvision 就像专门为图像赛道设计的轮胎、导航和工具箱让车在图像处理上跑得更快、更方便。无事发生。6.测试detect.py第六个卡壳点新旧版本碰撞上一轮 pip 帮你把 PyTorch 从 1.5.1 “免费升级”到 1.13.1 了还有权重文件比较新。解决gemini太强了没有投喂文件就直接定位到行号删改几个参数后就解决了兼容性问题。权重文件 (Weight File通常是 .pt 或 .weights 格式)概念模型经过大量数据训练后保存下来的各种神经元连接参数也就是一组极其庞大的浮点数矩阵。通俗比喻如果说 YOLO 的代码搭建了大脑的“物理结构”那么权重文件就是这颗大脑的**“记忆和经验”**。实际应用给高中生辅导数学时如果对方基础薄弱你讲微积分她肯定听不懂因为脑子里没有“预备知识”。同理没经过训练的 YOLO 就是个白痴什么都不认识。官方提供的 yolov5s.pt 就像是一个上过通用常识课的“高中毕业生大脑”已经认识了公交车、人、猫狗等 80 种常见物品。以后你要让它认识“发霉的食材”就可以在这个基础上继续教它迁移学习最后保存下来的新 .pt 文件就是属于你们项目的专属 AI 大脑。至此环境搭建完成测试成功。我们在 PyCharm工作台里通过 Anaconda实验室提供好的 PyTorch积木工具运行了 YOLO检测算法并给它装上了 权重文件记忆经验。如果有一张好显卡底层就会唤醒 CUDA 和 cuDNN算力加速引擎来让这一切快如闪电。