一、参考教程及资源

1，参考教程（了解大致流程）GitHub YOLOv5 开源代码项目系列讲解（一）------源码下载、环境配置及运行_yolov5-github-CSDN博客 

2，开源项目文档（了解环境和依赖要求）

项目首页 - yolov5:yolov5 - Ultralytics YOLOv8的前身，是一个用于目标检测、图像分割和图像分类任务的先进模型。 - GitCode

3，参考资源----快速下载yolov5s.pt（需替换4开源代码中的yolov5s.pt）

项目首页 - yolov5s.pt资源下载指南:- **名称**: yolov5s.pt- **用途**: 作为YoloV5的小型版本，此预训练模型适用于快速部署在资源有限的设备上进行目标检测任务。- **适用范围**: 计算机视觉项目、实时物体识别、监控系统等。- **特点**: 在保持相对较小的模型大小的同时，提供不错的检测性能。 - GitCode

4，在 GitHub 上找到 Yolov 5 v5.0 版本的开源项目源码下载到本地。（此为需要调试运行的项目代码）

 YOLOv5 开源代码项目下载地址：GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

二、具体步骤

前提条件：已完成在Windows下进行PyTorch深度学习环境配置（单纯安装版）_pytorch windows训练环境-CSDN博客

 

1. 创建 Conda 环境

conda create -n YOLOv5_TestEnv python=3.8

• 作用：创建一个名为 YOLOv5_TestEnv 的虚拟环境，并安装 Python 3.8。

• 预测输出：

  Proceed ([y]/n)? y
  
  # 环境创建成功后会显示安装的包列表

2. 激活环境 

conda activate YOLOv5_TestEnv

• 作用：激活名为 YOLOv5_TestEnv 的 Conda 环境。

• 预测输出：终端提示符变为 (YOLOv5_TestEnv)。如图所示

3. 列出所有 Conda 环境 

conda env list

• 作用：显示所有已创建的 Conda 环境及其路径。

• 预测输出：

  # conda environments:
  base                  D:\Anaconda
  YOLOv5_TestEnv     *  D:\Anaconda\envs\YOLOv5_TestEnv

4. 检查环境中安装的 Python 版本

conda list | findstr "python"

• 作用：过滤显示环境中与 Python 相关的包。

• 预测输出：

  python                3.8.20               h1d7a6d3_0

5. 检查当前 Python 解释器路径

python -c "import sys; print(sys.executable)"

• 作用：打印当前使用的 Python 解释器绝对路径。

• 预测输出：

  D:\Anaconda\envs\YOLOv5_TestEnv\python.exe

• 常见错误：

  • 错误：输出为全局 Python 路径（如 D:\Anaconda\python.exe）
    原因：环境未正确激活或环境中未安装 Python。
    解决： 使用conda init powershell命令初始化→关闭Anaconda Powershell Prompt，重新打开

6. 安装 PyTorch（CPU 版）

pip install torch==1.8.0 torchvision==0.9.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

• 作用：安装 PyTorch 1.8.0 和 torchvision 0.9.0（使用清华镜像加速）。

• 预测输出：

  Successfully installed torch-1.8.0 torchvision-0.9.0

7. 进入项目目录

cd G:\AI_Project\YOLOv5\yolov5-master\yolov5-master

• 作用：切换到 YOLOv5 项目根目录。

• 预测输出：无（终端路径变为项目目录）。

8. 安装项目依赖

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

• 作用：根据 requirements.txt 安装所有依赖包。

• 预测输出：

  Successfully installed numpy-1.23.5 opencv-python-4.7.0.72 ...

 9，配置项目环境

打开项目：

打开后，便显示项目文件：

运行前，设置python项目解释器：

右下角

 三、调试，运行出结果

会出现如下进展缓慢的问题：

Downloading https://github.com/ultralytics/yolov5/releases/download/v7.0/yolov5s.pt to yolov5s.pt... 100%|█████████▉| 14.1M/14.1M [07:36<00:00, 32.4kB/s] ERROR: [WinError 10054] Re-attempting https://github.com/ultralytics/yolov5/releases/download/v7.0/yolov5s.pt to yolov5s.pt... #  

解决方式：

将一中3参考资源yolov5s.pt快速下载下来，用yolov5s.pt替换4开源代码中的yolov5s.pt

1, 利用 Yolov5 进行预测
利用 yolov5 进行预测用到的是开源项目源码中的 detect.py。

对项目提供图片进行预测 
直接运行即可得到结果，用到的是项目作者提供的训练好的 yolov5s.py 模型进行的预测

原图及路径:G:\AI_Project\YOLOv5\yolov5-master\yolov5-master\data\images

目标检测运行结果及保存路径:(运行结果会有提醒)

G:\AI_Project\YOLOv5\yolov5-master\yolov5-master\runs\detect\exp

2 对自己收集的图片进行预测

把自己的图片放到路径G:\AI_Project\YOLOv5\yolov5-master\yolov5-master\data\images中即可，或者在G:\AI_Project\YOLOv5\yolov5-master\yolov5-master\data下新建文件夹

结果也会在原来的路径中，即G:\AI_Project\YOLOv5\yolov5-master\yolov5-master\runs\detect\exp

3 对自己收集的视频进行预测

新建视频保存路径，例如在G:\AI_Project\YOLOv5\yolov5-master\yolov5-master\data新建一个video文件，用来储存要进行预测的视频。

修改detect.py文件中的储存文件路径两处相关代码:

若想在处理每一帧后及时在窗口显示目标检测结果，可将  '--view-img' 参数添加到 'Edit Configurations' --> ‘Parameters’ 中，即即可在实时显示啦，或者在G:\AI_Project\YOLOv5\yolov5-master\yolov5-master\runs\detect\exp2路径中查看预测后的视频。

这是处理每一帧的图片，显示了目标识别出的物体及数目等信息。