1、前言
yolo v5作为目标检测较为成熟的版本，哪怕前两天yolov9刚发布，对于一些工业项目，yolov5的地位仍是不可撼动的
从本章开始，将会从yolov5的环境部署开始，到推理、训练、部署等等一步一步完成
对于下载conda、新建虚拟环境、GPU的使用等等，这里不再赘述
参考本人免费专栏：深度学习环境配置篇
2、conda新建 yolo v5的虚拟环境
利用 conda info --envs 命令查看当前设备已有的虚拟环境，防止命名重复
新建环境，这里是一个等号（yolov5是虚拟环境的名字）
conda create -n yolov5 python=3.8
安装好了如下
激活新建的yolov5的虚拟环境，如下：
conda activate yolov5
配置pip的镜像源：在激活yolov5的命令中输入
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
3、下载yolo v5
这里上github 下载，网址为：https://github.com/ultralytics/yolov5
下面的是csdn git加速的，一样可以用。连不上github官网的，用下面
GitHub - ultralytics/yolov5: YOLOv5 ???? in PyTorch > ONNX > CoreML > TFLite
在pycharm 显示如下
4、安装 torch
这一步尤为重要！！！因为直接安装requirements文件可能导致gpu配置失败
这里之前介绍过，参考之前的文章即可：Pytorch 配置 GPU 环境-CSDN博客
pip install torch==1.8.2 torchvision==0.9.2 torchaudio==0.8.2 --extra-index-url https://download.pytorch.org/whl/lts/1.8/cu102
配置好，如下：
5、安装requirement 文件
pip install -r requirements.txt 即可
这里torch版本的问题，以及GPU能否正确使用，参考之前的文章，有过详细介绍，这里不赘述了，直接pip全部安装即可，之前文章：Pytorch 配置 GPU 环境
虽然，我们配置了torch，后面requirement还有torch，但是不影响使用
6、推理一下看看
配置好了环境，怎么确定到底能否使用呢，直接python detect.py即可
注意：这里第一次运行，可能会卡在下载权重文件那里。可以复制链接，在网页中自行下载，然后放在主目录下即可
结果在下面
有推理结果就行了
