Windows搭建Yolov5史诗保姆级教程

适用场景

Yolov5作为目标检测领域的明星模型，因其高效、易用和强大的性能，广泛应用于工业检测、自动驾驶、安防监控等领域。本教程专为Windows用户设计，旨在帮助初学者和开发者快速搭建Yolov5环境并运行模型，无论是学术研究还是实际项目开发，都能轻松上手。

适配系统与环境配置要求

系统要求

• 操作系统：Windows 10/11（64位）
• 硬件配置：建议配备NVIDIA显卡（支持CUDA），显存至少4GB
• 存储空间：至少20GB可用空间

软件依赖

• Python 3.8或更高版本
• PyTorch 1.7及以上版本
• CUDA Toolkit（与PyTorch版本匹配）
• cuDNN（与CUDA版本匹配）
• 其他依赖库：opencv-python, matplotlib, numpy等

资源使用教程

1. 安装Python与依赖库

1. 下载并安装Python 3.8+，确保勾选“Add Python to PATH”选项。
2. 打开命令提示符，运行以下命令安装依赖库：

   pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
   pip install opencv-python matplotlib numpy
   

2. 下载Yolov5资源

1. 获取Yolov5的代码压缩包。
2. 解压到本地目录，例如C:\yolov5。

3. 配置CUDA与cuDNN

1. 安装与PyTorch版本匹配的CUDA Toolkit。
2. 下载对应版本的cuDNN，解压后将文件复制到CUDA安装目录。

4. 运行示例代码

1. 进入Yolov5目录，运行以下命令测试环境：

   python detect.py --source data/images --weights yolov5s.pt --conf 0.25
   

2. 检查输出结果，确保模型正常运行。

常见问题及解决办法

1. CUDA版本不匹配

• 问题：运行时报错CUDA error: no kernel image is available for execution。
• 解决：检查PyTorch与CUDA版本是否匹配，重新安装对应版本的PyTorch。

2. 显存不足

• 问题：运行时报错RuntimeError: CUDA out of memory。
• 解决：降低模型输入分辨率或使用更小的预训练权重（如yolov5s.pt）。

3. 依赖库冲突

• 问题：安装依赖时报错Could not find a version that satisfies the requirement。
• 解决：使用虚拟环境隔离项目依赖，或手动安装指定版本的库。

通过本教程，你可以轻松在Windows系统上搭建Yolov5环境并运行模型。无论是新手还是资深开发者，都能从中受益，快速实现目标检测任务！