【学习笔记】-Yolov5-环境安装部署（Mac系统）

Yolov5-环境安装部署（Mac系统）

基础环境配置

第一步-安装Anaconda

Anacoda(Anaconda)是一个用于Python编程的库，它可以帮助开发者轻松地实现多线程和并发编程。Anaconda库提供了丰富的线程和并发功能，包括线程池、锁、信号量、原子操作等。这些功能可以帮助开发者在处理大量数据或执行需要大量计算的任务时提高程序的性能。

Anaconda库的主要作用如下：

1. 提高程序性能：通过使用线程和并发编程，Anaconda库可以帮助开发者在处理大量数据或执行需要大量计算的任务时提高程序的性能。

2. 简化并发编程：Anaconda库提供了丰富的线程和并发功能，使得开发者可以轻松地实现多线程和并发编程，而无需从头开始编写复杂的代码。

3. 提供丰富的工具和库：Anaconda库提供了丰富的工具和库，如NumPy、Pandas、Matplotlib等，这些工具和库可以帮助开发者在处理数据和绘制图表等方面更加方便快捷。

4. 提供灵活的配置选项：Anaconda库提供了灵活的配置选项，可以根据开发者的需求自定义线程池、锁、信号量等参数，以满足不同场景下的并发需求。

5. 支持多种操作系统：Anaconda库支持多种操作系统，包括Windows、macOS和Linux等，使得开发者可以在不同平台上轻松地使用该库进行多线程和并发编程。

第二步-创建虚拟环境

打开terminal
输入

conda create -n yolov5 python=3.8

创建一个yolov5的环境python版本为3.8

输入

conda activate yolov5

激活环境，此时若命令行前有（yolov5）则表示激活成功
后续全部操作均需在该虚拟环境内执行

创建虚拟环境的原因

执行Python时创建虚拟环境是为了隔离项目的依赖和系统环境，确保项目间的独立性。

虚拟环境的主要作用包括：

1. 环境隔离：每个虚拟环境都有自己的Python解释器和库，这样在一个虚拟环境中安装的包不会影响到其他虚拟环境或系统全局环境。
2. 项目依赖管理：在虚拟环境中，可以为项目安装特定版本的库，确保项目在不同环境下运行时的一致性。
3. 版本控制：可以针对不同的Python版本创建虚拟环境，使得旧项目可以在特定的Python版本下运行，而不受系统默认Python版本的影响。
4. 便携性：虚拟环境的配置信息通常包含在项目中，这意味着整个开发环境可以随项目一起迁移，便于代码共享和协作。

此外，创建虚拟环境还可以使用如virtualenv、venv（Python 3自带的模块）或conda（Anaconda发行版中的工具）等工具来简化操作。通过这些工具，可以轻松地创建、激活和停用虚拟环境，以及在其中安装所需的包。

第三步-配置国内源

输入

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

原因：配置国内源的原因是为了提高下载速度和安装效率。

在Python开发中，使用pip安装第三方包时，默认的源是pypi.org，但由于网络原因，国内用户访问该源时可能会遇到下载速度慢或无法下载的问题。为了解决这个问题，通常建议将pip的下载源更换为国内的镜像源，这样可以显著提高下载速度，尤其是在安装较大或者依赖较多的包时更为明显。

此外，配置国内源还可以减少因网络不稳定导致的安装失败情况，提升整体的开发效率。因此，对于国内用户来说，将pip的源配置为国内镜像是一个常见且推荐的操作。

第四步-安装pytorch

输入

pip install torch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0

第五步-安装YoloV5

YoloV5下载地址
下载source coda（zip）

解压文件后
修改/yolov5-7.0/requirement.txt的内容
将#torch>=1.7.0 # see https://pytorch.org/get-started/locally (recommended) #torchvision>=0.8.1将torch的相关内容注释
将pillow的配置改为Pillow==8.3.0
将numpy>=1.18.5改为numpy==1.20.3
更改完成后
在虚拟环境yolov5先切到yolov5-7.0的文件夹下并执行

pip install -r requirements.txt   

若在pip时发生某个库无法正常安装可以先通过注释掉对应库的配置语句继续向下执行，关于被注释的库可以后期再处理

测试

在虚拟环境yolov5下
执行

python detect.py

结果返回系统图片中的车辆数及行人数并将数据存储到
yolov5-7.0/runs/detect/exp路径下

出现该结果后表示该环境安装完成。