Windows系统部署YOLOv5 v6.1版本的训练与推理环境保姆级教程

一· 概述

本文档主要记录使用工程源代码，部署YOLOv5训练环境以及测试环境的过程，主要包括以下内容：

1. YOLOv5对应版本的源码下载
2. Pytorch的适配版本安装与测试
3. YOLOv5源码的依赖安装与测试
4. 其他依赖的版本调整与测试
5. 字体文件、预训练模型的下载
6. 训练流程的测试

注：如果需要快速安装推理环境(不需要训练),参考[[YOLOv5快速推理方法]]

二· 依赖环境(prerequisites)

本文档主要记录的是 YOLOv5 v6.1 版本的环境部署与测试，使用 Anaconda 或 miniconda 进行虚拟环境和包管理器，因此在执行安装之前，需要确认机器的预安装环境。

2.1 硬件环境

• GPU : NVIDIA GeForce GTX2060
• RAM : 16GB
• CPU : Intel(R) Core(TM) i7-10750H CPU @ 2.60GHz
• ROM : 512GB SSD

注: 一般情况下，训练都会在GPU上进行，因此GPU的性能对训练速度有较大的影响。确保本地已安装NVIDIA独立显卡，否则训练耗时会非常长。

2.2 软件环境

• 操作系统 : Windows 10
• Anaconda3 或 miniconda3
• Python : 3.8+
• NVIDIA驱动 : latest
• CUDA : 11.2
• cuDNN : 8.2.1

三· 环境安装

注: 确保上述软硬件环境已经安装完毕，不在赘述。

3.1 创建并激活虚拟环境

# 创建虚拟环境
conda create -n yolo python=3.8 -y

# 激活虚拟环境
conda activate yolo

3.2 安装Pytorch与torchvision

访问Pytorch官方网站，查询符合本地硬件配置与软件环境安装指令，这里选择 适配 CUDA 11.3的Pytorch v1.12.1,安装指令如下:

# CUDA 11.3
conda