搭建yolov5+DeepSORT

原创已于 2022-05-10 10:26:32 修改 · 4.5k 阅读

50 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #pytorch #python

于 2022-05-10 10:21:43 首次发布

yolov5 专栏收录该内容

5 篇文章

订阅专栏

这篇教程详细介绍了在Windows系统上安装配置Anaconda、CUDA 10.2、CUDNN、PyTorch、OpenCV、YOLOv5和DeepSORT的步骤。从下载Anaconda到创建环境，再到安装CUDA和CUDNN，接着是安装PyTorch及其依赖，以及OpenCV、YOLOv5和DeepSORT的库包，最后是验证安装成功的步骤。教程中提供了官方和清华源的下载链接，并给出了环境变量设置和包管理的命令。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

环境配置

1.ANACONDA

2.CUDA&DUDNN

3.PYTORCH

4.OPENCV

5.YOLOV5

6.DeepSORT

ANACONDA

官网下载：https://www.anaconda.com/products/individual#Downloads
清华源地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
在这里插入图片描述

在Environments建个环境用于配置yolov5
在这里插入图片描述
然后看下这表基本就这样了。

conda --version #查看conda版本，验证是否安装

conda update conda #更新至最新版本，也会更新其它相关包

conda update --all #更新所有包

conda update package_name #更新指定的包

conda create -n env_name package_name #创建名为env_name的新环境，并在该环境下安装名为package_name 的包，可以指定新环境的版本号，例如：conda create -n python2 python=python2.7 numpy
pandas，创建了python2环境，python版本为2.7，同时还安装了numpy pandas包

source activate env_name #切换至env_name环境

source deactivate #退出环境

conda info -e #显示所有已经创建的环境

conda create --name new_env_name --clone old_env_name #复制old_env_name为new_env_name

conda remove --name env_name –all #删除环境

conda list #查看所有已经安装的包

conda install package_name #在当前环境中安装包

conda install --name env_name package_name #在指定环境中安装包

conda remove – name env_name package #删除指定环境中的包

conda remove package #删除当前环境中的包

conda create -n tensorflow_env tensorflow

conda activate tensorflow_env #conda 安装tensorflow的CPU版本

conda create -n tensorflow_gpuenv tensorflow-gpu
conda activate tensorflow_gpuenv #conda安装tensorflow的GPU版本

CUDA&DUDNN

查看组件信息我这里是11.1
根据这个讯息下载同等版本或则向下的CUDA包。我用的10.2.
在这里插入图片描述

听说这个装不上，所以拿掉。具体我也没试，赶时间。
在这里插入图片描述
装完确认下
然后对应10.2.下载CUDNN 。
赶时间。直接下别人的。官网网速太卡慢了。

在这里插入图片描述
全选复制所有到CUDA的安装目录。
默认安装目录是：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2

然后添加系统环境变量指向：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64

在这里插入图片描述
最后在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite的目录下执行bandwidthTest.exe 结果PASS 即可

PYTORCH

在conda yolov5的环境配置 CUDA 和CUDNN

conda install cudatoolkit=10.2.

conda install cudnn=7.6.5

或则进入pytorch 官网：https://pytorch.org/get-started/previous-versions/
在这里插入图片描述
太卡就到清华的开源下载： https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

下载完输入命令：

conda install --offline pytorch-1.8.0-py3.8_cuda10.2_cudnn7_0.tar.bz2

在这里插入图片描述

输出True 就可以借用GPU来处理了。
在这里插入图片描述
同理，torchvision 如果conda下载不下来。也通过离线安装。

OPENCV

pip install opencv-python （卡慢还容易掉）
借用阿里云的国内源分分钟搞定：pip install opencv-python -i https://mirrors.aliyun.com/pypi/simple/

在这里插入图片描述

YOLOV5

在这里插入图片描述
注释下（因为默认pip下载的话是cpu版本的。）

安装库包

pip install -r requirements.txt

6.DeepSORT

移植 yolov5 models,utils.至DeepSort包
在这里插入图片描述
安装 imutils

pip install imutils

安装easydict:

cd yolov5-deepsort/easydict

python setup.py install

将yolov5的权重文件放置weights文件夹下
在这里插入图片描述

yolov5-deepsort/objdetector.py底下更改权重。
在这里插入图片描述

计数实时监测套RTSP
在这里插入图片描述
实时监测根据情况调整线的位置和逻辑。