一、前置

测试这个案例之前需要安装一些前置的东西，如果已经安装的可以忽略，下面我给出我跟着做的一些很好的博客提供大家参考，因为我们主要目的还是实现yolov5的目标检测。

1、安装nvidia显卡驱动

可以参考：【Windows】安装NVIDIA驱动 / 更新驱动_windows 更新nvidia驱动-CSDN博客

2、安装cuda和cudnn

可以参考：下载cuda和cudnn（11.8版本）_cudnn下载-CSDN博客

关于切换版本：下载cuda和cudnn（11.8版本）_cudnn下载-CSDN博客

注意！注意！注意！

记得安装cuda注意版本问题，后面会遇到和Pytorch版本一致问题，我下的是cuda是12.4

 看版本问题可以查看官网：Start Locally | PyTorch

3、安装Anaconda

可以参考：Anaconda安装-超详细版(2023)_anaconda安装哪个版本好-CSDN博客

4、安装Pytorch

可以先参考下面那些博客！！！

创建虚拟环境：

conda create -n yolov5 python=3.12.4

yolov5为创建的虚拟环境名，python版本需要和自己的对应。

我的python环境为：

 安装成功后激活yolov5环境：

conda activate yolov5

查看你创建的虚拟环境

conda env list

 

在所创建的环境下安装pytorch：

注意去官网查看自己需要安装的版本：Start Locally | PyTorch

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

可以参考：【超详细教程】2024最新Pytorch安装教程（同时讲解安装CPU和GPU版本）-CSDN博客

5、为你的pychram配置上pytorch

在安装anaconda之前我删掉了python，所以还需要在自己创建的pytorch环境下编码，再次配置pychram，可以参考下面几篇，然后再结合自己的一些思考配置就差不多了。

pycharm配置pytorch_python_huanglianghuang-华为云开发者空间

在PyCharm的项目中配置自己想要的环境的操作步骤（以PyTorch为例）_pycharm 工程内设置环境-CSDN博客

Anaconda安装及配置+pytorch深度学习环境(2024复旦计算机工作站0704）_anaconda pytorch-CSDN博客pytorch超详细安装教程，Anaconda、PyTorch和PyCharm整套安装流程_pytorch安装-CSDN博客Anaconda安装及配置+pytorch深度学习环境(2024复旦计算机工作站0704）_anaconda pytorch-CSDN博客

二、yolov5测试目标检测

1、下载代码和权重文件

这里我用的是3.1版本的，可以去GitHub官网下载：

Release v3.1 - Bug Fixes and Performance Improvements · ultralytics/yolov5 · GitHub

移到最下面，找到：

下载这两个，下载好yolov5s.pt，yolov5m.pt，yolov5l.pt，yolov5x.pt这些权重文件，并放置在yolov5代码里面weights文件夹目录下。

如果想要新版本的yolov5代码，也可以去：GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

记得权重文件下载对应版本界面里的权重文件，权重文件版本需要和yolov5代码版本对应，不然后续会报错。

2、激活虚拟环境

打开anaconda的命令行，在yolov5的虚拟环境下，这个yolov5环境是我之前配置pytorch的。

conda activate yolov5

接下来都是在这个命令行操作了。

3、进入yolo代码目录

4、安装所需库

在安装之前先配置使用清华镜像源：

在yolov5路径下执行：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

 安装所需要的依赖：cv2，tqdm，matplotlib，yaml，scipy

执行下面指令：

pip install opencv-python
pip install tqdm
pip install matplotlib
conda install PyYAML
pip install scipy

在使用指令下载yaml的时候，如果使用下面这个指令会出现这样子的报错

可以参考：[已解决]ModuleNotFoundError: No module named ‘yaml‘_modulenotfounderror: no module named 'yaml-CSDN博客`

5、测试图片

使用指令：

python detect.py --source ./inference/images/ --weights weights/yolov5s.pt --conf 0.4

在./inference/images/这个目录下有预处理的图片，可以去测试，没有的可以自己寻找数据集添加。

如果前面那些库没下载，可能会出现下面这些问题：

ModuleNotFoundError: No module named 'cv2'

缺哪个就会报错哪个库。

执行指令后：

在你的.\inference\output目录下就会出现处理后的图片。

下面我再换一个权重文件：

python detect.py --source ./inference/images/ --weights weights/yolov5x.pt --conf 0.4

处理前的图片：

处理后：

附：图片为随便找的网图，侵权请联系删除

6、切换目前版本的yolov5代码

官网：GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

然后再去下载几个权重文件，与上面一样，将权重文件放在weights文件夹里面

7、再次测试

python detect.py --source ./data/images/ --weights weights/yolov5s.pt --conf 0.4

这次的提供的图片再data目录下的images文件夹

运行结束：

处理后图片如下：

三、yolov8测试分割

1、激活pytorch虚拟环境

conda create -n myPytorch python=3.12.4
conda activate myPytorch
conda env list

在所创建的myPytorch环境下安装pytorch

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

2、下载yolov8的代码

Github：https://github.com/ultralytics/ultralytics

或者

Gitee：ultralytics: YOLOv8 🚀 Ultralytics 同步更新官方最新版 YOLOv8 (gitee.com)

下载后放在指定目录。

3、在mypytorch虚拟环境下进入代码目录

4、下载所需要的库

pip install -e .

5、下载预训练权重文件

由于我们测试的是分割，所以下载分割的权重文件，如果需要测试其他的功能就去下载对应的权重文件即可。

官方文档：Segment - Ultralytics YOLO Docs

这里就是我们需要下载的权重文件，下面我下载这两个权重文件做测试。

自建一个weights的文件夹，然后将自己下载的权重文件放入其中

6、yolov8s-seg.pt测试

官方介绍文档：Predict - Ultralytics YOLO Docs

预测图片：

用yolov8s-seg.pt这个权重文件测试：

yolo segment predict model=./weights/yolov8s-seg.pt source=./ultralytics/assets/

测试前：

测试后：

预测摄像头：

yolo segment predict model=./weights/yolov8s-seg.pt source=0 show

使用该指令，会使用电脑的摄像头进行分割检测，这个是会实时检测，ctrl+c就可以停止。

cmd信息如下，下面就不展示摄像头了~~~【狗头】

7、yolov8x-seg.pt测试

预测图片：

换yolov8x-seg.pt这个权重文件，下面执行指令：

yolo segment predict model=./weights/yolov8x-seg.pt source=./ultralytics/assets/

测试后：

预测摄像头：

yolo segment predict model=./weights/yolov8x-seg.pt source=0 show

测试成功！！！