ubuntu20.04基于YOLOV5图像分类环境配置读这篇就够了

嵌入式AI人工智能开发者

已于 2023-12-08 11:04:00 修改

阅读量1.1k

点赞数 15

CC 4.0 BY-SA版权

文章标签： YOLO 分类数据挖掘

于 2023-12-07 10:27:33 首次发布

本文链接：https://blog.csdn.net/weixin_43293776/article/details/134836369

本文详述了在Ubuntu20.04上配置YOLOV5图像分类环境的步骤，包括安装opencv、cuda、tensorrt、clion，创建Anaconda环境，下载yolov5-7.0和tensorRT源码，使用PyCharm进行代码编辑，训练模型，模型推理与评估，以及通过Docker和nvidia-docker部署Triton服务。此外，还介绍了如何在系统中安装SSH服务和使用Clion进行远程开发。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

ubuntu20.04基于YOLOV5图像分类环境配置

安装opencv、cuda、tensorrt、clion

Ubuntu20.04安装Nvidia显卡驱动+CUDA11.1+cuDNN8.0.5
Ubuntu20.04下安装Clion

安装Anaconda、pytharm

ubuntu20.04安装Anaconda并默认激活conda base环境
 Ubuntu20.04安装Pycharm

下载tensorRT 源码和yolov5-7.0源码（2个版本要一致）

yolov5-7.0

https://github.com/ultralytics/yolov5/tree/v7.0

tensorRT

https://github.com/wang-xinyu/tensorrtx/tree/yolov5-v7.0/yolov5

解压tensorRT 源码和yolov5-7.0源码

使用Anaconda创建python环境

conda create -n 虚拟环境名称 python=自己需要的python版本 eg：conda create -n yolov5 python=3 yolov5 为虚拟环境（可以随便取） python=3.8是指定该虚拟环境python的版本为3.8（可以指定）

进入/切换虚拟环境activate 虚拟环境名称

conda activate yolov5

在新建虚拟环境yolov5批量在线安装yolov5-7.0文件夹内requirements.txt（也可以使用下面pytharm终端下载）

pip install -r /home/yolov5-7.0/requirements.txt

使用pytharm打开yolov5-7.0源码

将我们下载好的yolov5的代码解压，然后用一款IDE打开（我用的是pycharm），打开之后整个代码目录如下图：
在这里插入图片描述
现在来对代码的整体目录做一个介绍：
├──
data：主要是存放一些超参数的配置文件（这些文件（yaml文件）是用来配置训练集和测试集还有验证集的路径的，其中还包括目标检测的种类数和种类的名称）；还有一些官方提供测试的图片。如果是训练自己的数据集的话，那么就需要修改其中的yaml文件。但是自己的数据集不建议放在这个路径下面，而是建议把数据集放到yolov5项目的同级目录下面。

├──
models：里面主要是一些网络构建的配置文件和函数，其中包含了该项目的四个不同的版本，分别为是s、m、l、x。从名字就可以看出，这几个版本的大小。他们的检测测度分别都是从快到慢，但是精确度分别是从低到高。这就是所谓的鱼和熊掌不可兼得。如果训练自己的数据集的话，就需要修改这里面相对应的yaml文件来训练自己模型。

├── utils：存放的是工具类的函数，里面有loss函数，metrics函数，plots函数等等。

├── weights：放置训练好的权重参数。

├── detect.py：利用训练好的权重参数进行目标检测