Windows10环境下YOLO V5 环境配置、测试<一>【已调通】

     在此说明：1、首先配置CUDA和cuDnn，参考：https://xugaoxiang.com/2019/12/18/windows-10-cuda-cudnn/

                       2、你最好有梯子，花钱的那种，否则......

     OK,让我们开车。

     在 YOLO V5 官方gayhub页面（https://github.com/ultralytics/yolov5），看到如下内容：

Requirements
Python 3.8 or later with all requirements.txt dependencies installed, including torch>=1.6. To install run:

$ pip install -r requirements.txt

      所以，为了避免不必要麻烦，python请换成3.8版本！同事也要提前打开 requirements.txt文件（见下文），了解其他依赖库版本。我这里事先安装好Anaconda3-2020.07-Windows-x86_64，对应Python3.8。

      其requirement.txt文件中要求如下。

 1 # pip install -r requirements.txt
 2 Cython
 3 matplotlib>=3.2.2
 4 numpy>=1.18.5
 5 opencv-python>=4.1.2
 6 pillow
 7 # pycocotools>=2.0
 8 PyYAML>=5.3
 9 scipy>=1.4.1
10 tensorboard>=2.2
11 torch>=1.6.0
12 torchvision>=0.7.0
13 tqdm>=4.41.0

一、更换官方源

        由于YOLO V5 最近才出，清华等国内源似乎没有跟上步调（例如：服务器中没有Python3.8安装包），所以，这里使用官方源。换源请参考：https://www.cnblogs.com/winslam/p/13347331.html

或者更简单的方法：手动打开 C:UsersAdministrator.condarc文件，修改后默认为如下内容

ssl_verify: true
show_channel_urls: true

【注：需要提前安装Anaconda3-2020.07-Windows-x86_64，对应Python3.8； 当你看到这篇博客的时候，说不定YOLO V5 页面的安装需求变为Python3.9...】

     打开如上图红圈内的命令行窗口，本篇博客所有指令将在其上进行操作，而不是win自带CMD or powershell

二、install Pytorch & ipython

conda create -n pytorch python=3.8
conda activate pytorch
# 在pytorch官方选择相关依赖库版本，将其自动生成的安装命令拷贝，即：

pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

pip install ipython

        注：上述第三行指令执行后，系统回去指定链接下载相关包。如果下载网速太慢或导致错误，可将名为 xxx.whl的下载链接粘贴到 IDM 或者迅雷中下载，其下载链接会在控制台中打印出来。例如：

torch==1.6.0： https://download.pytorch.org/whl/cu102/torch-1.6.0-cp38-cp38-win_amd64.whl

torvision==0.7.0: https://download.pytorch.org/whl/cu102/torchvision-0.7.0-cp38-cp38-win_amd64.whl

(从其拓展名也知道，该库仅支持python3.8，上述所有库的集合在链接：https://download.pytorch.org/whl/torch_stable.html )

下载到本地怎么安装？例如我将 torch 用迅雷下载好的库放到D盘根目录，那么安装指令如下：

pip install d:/torch-1.6.0-cp38-cp38-win_amd64.whl

       安装完毕后，需要检查下。根据我的经验，当一句命令行安装多个库，有时候总是会后漏网之鱼。执行以下指令：

conda list

      我们看到torch 和 torchvision都有了，而且版本符合yolo v5 工程中requirement.txt 文件的要求，如果你发现如torchvision没有安装，这时候，只需要重复上述

pip install......安装步骤即可。

      至此，我们已经安装了合适yolo v5的pytorch版本（GPU版）、ipython等。这时候，可以简单测试下：

ipython

import torch

torch.cuda.is_available()

import torchvision

torchvision.__version__

 返回true，证明GPU能够为pytorch加速

三、YOLO V5 配置与验证

键入如下指令：

python  detect.py --source ./inference/images/bus.jpg

其中bus.jpg式输入图像，输出的效果图保存在F:yolov5-masterinferenceoutput 路径下。

            

        

在命令行键入如下指令，使用摄像头进行目标检测，使用默认权重文件：

(pytorch) F:yolov5-master>python detect.py --source 0

四、数据集测试

在网站：https://public.roboflow.ai/

https://public.roboflow.ai/object-detection/mask-wearing

下载”人类是否戴口罩“的检测数据集，在页面按ctrl+F搜索mask，可能需要梯子。由于口罩检测是二分类，所以修改yolov5/models/yolov5s.yaml，将nc = 80修改为nc = 2，因为数据集中只有mask和no-mask2个类别

        接着修改mask/data.yaml文件内容为：

train: ../mask/train/images
val: ../mask/valid/images

nc: 2
names: ['mask', 'no-mask']

       执行以下命令，开始训练

cd yolov5
python train.py --img 640 --batch 16 --epochs 300 --data ../mask/data.yaml --cfg models/yolov5s.yaml --weights '' 

      可以看到，100多张图，训练了2小时，GPU应该是没工作。训练过程，我看过资源管理器，显存被占用了4Gb，GPU占用率一直很低，不知道是cuDnn没工作的原因，还是什么BUG。

      执行以下命令，我们用单目摄像头来检测口罩：

pytorch) F:yolov5-master> python detect.py --source 0 --weights runs/exp5/weights/best.pt

      可以看到一个帅气的老哥.............口罩虽然被检测出来了，但是置信度有点低。

五、小结

      YOLO V5作为新秀，我不评价他与YOLO V3、4之间有什么恩怨情仇，它有它的优势，毕竟经过大量测试；然而也正因为他是新来的，所以我并不打算在项目中部署他，目前还是作为学习对象的一种选择。

 【实践证明：咱们在安装torch的时候，安装了python版本的cuda后，是不用再安装NVIDIA官网的cuda，这时候显卡加速有效。如果部署到C++ OpenCV工程中，可以用CPU跑，至于GPU跑，应该还是要安装CUDA+cuDnn】