YOLO - 模型训练入门教程1（Windows下训练环境搭建）

作者：hangge | 2024-04-23 09:33

YOLO 是一种流行的目标检测算法，其快速而准确的特性使其成为计算机视觉领域的热门选择。本文将详细介绍在 Windows 操作系统下如何搭建 YOLO 模型训练环境。

一、训练环境搭建

（1）Anaconda 是一个开源的 Python 发行版本，它包含了 conda、Python、numpy、scipy、ipython、notebook 等 180 多个科学包及其依赖项。同时它自带的 conda 管理包和环境还能减少在处理数据的过程中遇到的各种库和版本的问题。

（2）Anaconda 的安装可以参考我之前写的文章：

（1）Anaconda 安装完毕后在 cmd 窗口中执行如下命令创建一个新环境：

conda create -n yolo

（2）等待一会，出现如下信息说明新环境创建成功。

（3）执行如下命令可以查看已创建的环境列表：

conda info --envs

（1）首先在 cmd 窗口执行如下命令激活刚刚创建的新环境：

提示：如果不在新创建的环境下安装 Pytorch，可能会出现“Solving environment: unsuccessful initial attempt using frozen solve. Retrying with flexible solve.”错误。

activate yolo

（2）接着我们访问 PyTorch 官网（点击访问），根据我们设备的情况选择相应的配置后，底部会显示相应的安装命令：

如果没有合适的选项，比如我电脑显卡驱动的 CUDA 是 11.4，那么可点击下方的“Previous version of PyTorch”找到之前版本的安装命令：

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch

（3）安装完毕后显示 done 则说明安装成功：

（1）这里以 YOLOv5 为例，首先访问其 GitHub 主页（点击访问），将项目压缩包下载到本地：

（2）将其解压后使用 PyCharm 打开该项目：

（3）打开后 PyCharm 界面的右下角会提示无解释器（No interpreter），我们点击选择添加解释器：

（4）在弹出的界面左侧点击 Conda 环境，然后选择我们之前新建的 yolo 环境：

（5）确定退出后，Pycharm 界面右下角已经变成 yolo：

（6）打开项目的 requirements.txt 文件，里面写有 yolov5 运行所需要的各种包。复制第一行的命令到终端中运行，等待所有依赖包安装完毕。

pip install -r requirements.txt

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

（1）执行项目的 detect.py 文件：

（2）运行结束后，如果在左侧的 runs\detect\exp 目录下出现了下面这两张标注过的图片，则说明环境已经安装配置成功了：