【深度学习】yolov5，用显卡，简单代码直接跑，python直接跑

—输入的是图片、视频都可以，在yolov5-5.0/data/images/；输出结果保存在yolov5-5.0/runs/detect/expx，运行一次就有一次结果。选择v5版本的，用Pycharm打开，选择建好的Conda—pytorch1（python=3.8）环境（在上篇配置pytorch中安装的）conf-thres：置信度，默认0.25代表检测图片中的事物超过0.25可信度时就显示检测出来。主要因为pycocotools的维护者不再提供Windows平台的支持，下载。

本人视觉完全新手小白一枚，自己跑通yolov5之后想做一个记录总结。

yolo作为目标检测计算机视觉领域的核心网络模型，虽然到24年已经出到了v10的版本，但也很有必要对之前的核心版本v5版本进行进一步的学习。在学习yolo v5的时候因为缺少论文所以要从源代码入手来体验yolo v5之一经典的网络模型。

总结全网，手把手完整无坑版教程。从安装yolov5，到详细说明如何训练自己的数据集，训练时间、出现的多种问题说明、训练可视化、检测效果。以及最后讲解各种文件

错误记录：RuntimeError: CUDA error: CUBLAS_STATUS_NOT_INITIALIZED when calling cublasCreate(handle) 参考 训练完，没有PR图，原本将batchsize设置为32，太大，将batchsize调小设为16

绘制思维导图 手把手教你搭建自己的yolov5目标检测平台

Pycharm2021.1连接远程服务器

使用自己的数据集跑通yolov5

小白在学习中制作，不足之处敬请谅解

哈哈哈哈我会发疯的

linux-yolov5

非常详细的步骤，适合新手，不要一天就可以跑通！

简单科普：CPU适合串行计算，擅长逻辑控制。GPU擅长并行高强度并行计算，适用于AI算法的训练学习GPU教为侧重于运算，因此GPU常被用于一些深度学习的项目

本文是安装Anconda以及初次使用anconda搭建一个用CPU跑YOLO的教程。