yolov5进阶之零环境快速创建及测试

学习完传统图像处理课程后，神经网络是必然选择，曾经还是在tensorflow框架适用 yolov2，现在的v5据说有非常大的飞跃，我们在网站上每一次验证的点击实际上都给对应公司提供大量的精确图片识别的数据。
搭建yolo时主要按以下几个步骤
1 安装anaconda 略，我还安装了pycharm 比较喜欢在pycharm编程。
2 创建环境，首先在一个专门存放各种环境的硬盘空间建立一个文件夹，用来既保存环境，又保存脚本及数据。我在D盘 pycharm工程文件夹下创建的，一会再说如何适用pycharm.

conda create --prefix=D:/PycharmProjects/yoloV5/yoloV5_env python=3.9

上面命令就是在yolov5文件下，创建一个yoloV5_env保存环境，后面的python版本要写上，用conda管理就是这个好处，不用去base调用解释器，以后不管安装什么环境，都要把对应python版本解释器放到环境中。

conda activate D:\PycharmProjects\yoloV5\yoloV5_env

激活这个环境，然后在线安装，非常快

pip install yolov5

安装过程不应该有错误或警告，然后在python环境下import yolov5 和import torch 成功
再测试cuda,没安装不能用显卡加速

torch.cuda.is_available()
False

我电脑是笔记本，用处不太大，这里就不讨论了。

下面把环境放到pycharm管理
打开pycharm

注意选conda 环境， interpreter解释器会自己搜索到还未管理的yoloV5环境py3.9解释器
然后会提示这是已有的存在的环境，然后就可以在pycharm里管理环境和编写程序了

当然还缺少权重文件，pt文件和测试图片自己下载，也可以在github下载的yolo包里找。

import yolov5
model = yolov5.load('yolov5s.pt')
img = 'images/zidane.jpg'
results = model(img, augment=True)

predictions = results.pred[0]
boxes = predictions[:, :4] # x1, x2, y1, y2
scores = predictions[:, 4]
categories = predictions[:, 5]

results.show()

上面程序就可以实现图像识别测试

虽然只是安装了CPU版，但是也适合通常的笔记本适用，而且这个过程是不是非常简单。