Win10下YOLOv5的CPU环境搭建

一、安装pytorch

2、根据自己的需求选择

说明：

PyTorch Build 就是选择下载稳定版（Stable）还是预览版（Preview），这里一般选择稳定版（Stable）
YourOS 不多说，选择自己对应的操作系统类型
Package：下载方式，教程提供的是 Conda 方式，这里我们使用 Pip 方式
Language：即选择你的 python 版本（Anaconda 下载后自带 python ，可以在 cmd 输入 python --version 查看自己的 python 版本）
CUDA：如果要下载 gpu 版本，那么就选择你对应的 cuda 的版本（不知道自己 cuda 版本的请戳：https://www.jianshu.com/p/d3b9419a0f89）；如果下载 cpu 版本，那么选择 None
Run this Command：当你选择好版本后，会自动再次生成下载安装 PyTorch 的命令

验证：

import torch
#查看版本
print(torch.__version__)
#查看gpu是否可用
print(torch.cuda.is_available())
#返回设备gpu个数
print(torch.cuda.device_count())

二、下载YOLOv5 github项目

git clone https://github.com/ultralytics/yolov5

若出现下图所示情况：

如果可以正常访问Github，则为服务器的SSL证书没有经过第三方机构的签署导致的，执行以下命令解除ssl验证后，再次clone即可：

git config --global http.sslVerify "false"

执行 detect.py，项目会自动从链接下载yolov5s.pt模型。

三、安装所需依赖（三选一）

手动根据报错信息通过pip安装（可能需要多次运行程序）
根据报错信息到Pypi网站手动下载当前操作系统与Python版本对应的whl文件并pip install 文件名安装
python -m pip install -r requirements.txt一键自动安装（推荐）

四、下载Yolov5预训练模型

如需手动下载官方训练的其他模型，可以点击这里。

yolov5共有四种模型：yolov5s、yolov5m、yolov5l、yolov5x

不同的预训练模型，效果和精度不一样，如下图：

其中yolov5s目标检测速度最快，因为其网络参数最少，但相应的，检测效果相比是最差的；

而yolov5x是检测效果最好的，参数最多，而时间上最慢；

具体使用可以根据实际需要，例如如果目标检测应用场景比较看重速度，就用yolov5s.pt。

其中P5/P6模型的差异：（模型后面不带6的就是P5）

YOLOv5-P5 models (same architecture as v4.0 release): 3 output layers P3, P4, P5 at strides 8, 16, 32, trained at --img 640

python detect.py --weights yolov5s.pt  # P5 models
                           yolov5m.pt
                           yolov5l.pt
                           yolov5x.pt

YOLOv5-P6 models: 4 output layers P3, P4, P5, P6 at strides 8, 16, 32, 64 trained at --img 1280

python detect.py --weights yolov5s6.pt  # P6 models
                           yolov5m6.pt
                           yolov5l6.pt
                           yolov5x6.pt

Example usage:

# Command Line
python detect.py --weights yolov5m.pt --img 640  # P5 model at 640
python detect.py --weights yolov5m6.pt --img 640  # P6 model at 640
python detect.py --weights yolov5m6.pt --img 1280  # P6 model at 1280

# PyTorch Hub
model = torch.hub.load('ultralytics/yolov5', 'yolov5m6')  #  P6 model
results = model(imgs, size=1280)  # inference at 1280

模型在GPU 下的效率测试数据图：

五、测试使用YOLOv5

python detect.py --source 0  # webcam
                            file.jpg  # image 
                            file.mp4  # video
                            path/  # directory
                            path/*.jpg  # glob
                            'https://youtu.be/NUsoVlDFqZg'  # YouTube video
                            'rtsp://example.com/media.mp4'  # RTSP, RTMP,

最新版还支持了直接通过Youtube 的url进行目标检测.

从硬盘里随便拉了一张图片和一段视频分别进行测试，结果如下：

其中，CPU版本的YOLOv5对于视频处理的速度明显远低于对图片的处理速度，且处理过的视频默认没有保留声音（据说声音可以直接用moviepy模块添加，但本人为了方便，直接使用pr软件做了添加）。

结果默认输出到了./runs/detect/目录下：

六、主要函数代码解析

最后发现网上有大佬针对main函数和detect函数做了详细的中文注释解析，收藏一份以备不时之需：

检测参数以及main函数解析：

if __name__ == '__main__':
    """
    weights:训练的权重
    source:测试数据，可以是图片/视频路径，也可以是'0'(电脑自带摄像头),也可以是rtsp等视频流
    output:网络预测之后的图片/视频的保存路径
    img-size:网络输入图片大小
    conf-thres:置信度阈值
    iou-thres:做nms的iou阈值
    device:设置设备
    view-img:是否展示预测之后的图片/视频，默认False
    save-txt:是否将预测的框坐标以txt文件形式保存，默认False
    classes:设置只保留某一部分类别，形如0或者0 2 3
    agnostic-nms:进行nms是否也去除不同类别之间的框，默认False
    augment:推理的时候进行多尺度，翻转等操作(TTA)推理
    update:如果为True，则对所有模型进行strip_optimizer操作，去除pt文件中的优化器等信息，默认为False
    """
    parser = argparse.ArgumentParser()
    parser.add_argument('--weights', nargs='+', type=str, default='', help='model.pt path(s)')
    parser.add_argument('--source', type=str, default='inference/images', help='source')  # file/folder, 0 for webcam
    parser.add_argument('--output', type=str, default='inference/output', help='output folder')  # output folder
    parser.add_argument('--img-size', type=int, default=640, help='inference size (pixels)')
    parser.add_argument('--conf-thres', type=float, default=0.65, help='object confidence threshold')
    parser.add_argument('--iou-thres', type=float, default=0.5, help='IOU threshold for NMS')
    parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
    parser.add_argument('--view-img', action='store_true', help='display results')
    parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')
    parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --class 0, or --class 0 2 3')
    parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS')
    parser.add_argument('--augment', action='store_true', help='augmented inference')
    parser.add_argument('--update', action='store_true', help='update all models')
    opt = parser.parse_args()
    print(opt)

    with torch.no_grad():
        if opt.update:  # update all models (to fix SourceChangeWarning)
            for opt.weights in ['yolov5s.pt', 'yolov5m.pt', 'yolov5l.pt', 'yolov5x.pt']:
                detect()
                # 去除pt文件中的优化器等信息
                strip_optimizer(opt.weights)
        else:
            detect()

detect函数解析：

import argparse
import os
import platform
import shutil
import time
from pathlib import Path

import cv2
import torch
import torch.backends.cudnn as cudnn
from numpy import random

from models.experimental import attempt_load
from utils.datasets import LoadStreams, LoadImages
from utils.general import (
    check_img_size, non_max_suppression, apply_classifier, scale_coords, xyxy2xywh, plot_one_box, strip_optimizer)
from utils.torch_utils import select_device, load_classifier, time_synchronized


def detect(save_img=False):
    # 获取输出文件夹，输入源，权重，参数等参数
    out, source, weights, view_img, save_txt, imgsz = \
        opt.output, opt.source, opt.weights, opt.view_img, opt.save_txt, opt.img_size
    webcam = source == '0' or source.startswith('rtsp') or source.startswith('http') or source.endswith('.txt')

    # Initialize
    # 获取设备
    device = select_device(opt.device)
    # 移除之前的输出文件夹
    if os.path.exists(out):
        shutil.rmtree(out)  # delete output folder
    os.makedirs(out)  # make new output folder
    # 如果设备为gpu，使用Float16
    half = device.type != 'cpu'  # half precision only supported on CUDA

    # Load model
    # 加载Float32模型，确保用户设定的输入图片分辨率能整除32(如不能则调整为能整除并返回)
    model = attempt_load(weights, map_location=device)  # load FP32 model
    imgsz = check_img_size(imgsz, s=model.stride.max())  # check img_size
    # 设置Float16
    if half:
        model.half()  # to FP16

    # Second-stage classifier
    # 设置第二次分类，默认不使用
    classify = False
    if classify:
        modelc = load_classifier(name='resnet101', n=2)  # initialize
        modelc.load_state_dict(torch.load('weights/resnet101.pt', map_location=device)['model'])  # load weights
        modelc.to(device).eval()

    # Set Dataloader
    # 通过不同的输入源来设置不同的数据加载方式
    vid_path, vid_writer = None, None
    if webcam:
        view_img = True
        cudnn.benchmark = True  # set True to speed up constant image size inference
        dataset = LoadStreams(source, img_size=imgsz)
    else:
        save_img = True
        # 如果检测视频的时候想显示出来，可以在这里加一行view_img = True
        view_img = True
        dataset = LoadImages(source, img_size=imgsz)

    # Get names and colors
    # 获取类别名字
    names = model.module.names if hasattr(model, 'module') else model.names
    # 设置画框的颜色
    colors = [[random.randint(0, 255) for _ in range(3)] for _ in range(len(names))]

    # Run inference
    t0 = time.time()
    # 进行一次前向推理,测试程序是否正常
    img = torch.zeros((1, 3, imgsz, imgsz), device=device)  # init img
    _ = model(img.half() if half else img) if device.type != 'cpu' else None  # run once
    """
    path 图片/视频路径
    img 进行resize+pad之后的图片
    img0 原size图片
    cap 当读取图片时为None，读取视频时为视频源
    """
    for path, img, im0s, vid_cap in dataset:
        img = torch.from_numpy(img).to(device)
        # 图片也设置为Float16
        img = img.half() if half else img.float()  # uint8 to fp16/32
        img /= 255.0  # 0 - 255 to 0.0 - 1.0
        # 没有batch_size的话则在最前面添加一个轴
        if img.ndimension() == 3:
            img = img.unsqueeze(0)

        # Inference
        t1 = time_synchronized()
        # print("preprocess_image:", t1 - t0)
        # t1 = time.time()
        """
        前向传播 返回pred的shape是(1, num_boxes, 5+num_class)
        h,w为传入网络图片的长和宽，注意dataset在检测时使用了矩形推理，所以这里h不一定等于w
        num_boxes = h/32 * w/32 + h/16 * w/16 + h/8 * w/8
        pred[..., 0:4]为预测框坐标
        预测框坐标为xywh(中心点+宽长)格式
        pred[..., 4]为objectness置信度
        pred[..., 5:-1]为分类结果
        """
        pred = model(img, augment=opt.augment)[0]
        t1_ = time_synchronized()
        print('inference:', t1_ - t1)

        # Apply NMS
        # 进行NMS
        """
        pred:前向传播的输出
        conf_thres:置信度阈值
        iou_thres:iou阈值
        classes:是否只保留特定的类别
        agnostic:进行nms是否也去除不同类别之间的框
        经过nms之后，预测框格式：xywh-->xyxy(左上角右下角)
        pred是一个列表list[torch.tensor]，长度为batch_size
        每一个torch.tensor的shape为(num_boxes, 6),内容为box+conf+cls
        """
        pred = non_max_suppression(pred, opt.conf_thres, opt.iou_thres, classes=opt.classes, agnostic=opt.agnostic_nms)
        t2 = time_synchronized()
        # t2 = time.time()

        # Apply Classifier
        # 添加二次分类，默认不使用
        if classify:
            pred = apply_classifier(pred, modelc, img, im0s)

        # Process detections
        # 对每一张图片作处理
        for i, det in enumerate(pred):  # detections per image
            # 如果输入源是webcam，则batch_size不为1，取出dataset中的一张图片
            if webcam:  # batch_size >= 1
                p, s, im0 = path[i], '%g: ' % i, im0s[i].copy()
            else:
                p, s, im0 = path, '', im0s
            # 设置保存图片/视频的路径
            save_path = str(Path(out) / Path(p).name)
            # 设置保存框坐标txt文件的路径
            txt_path = str(Path(out) / Path(p).stem) + ('_%g' % dataset.frame if dataset.mode == 'video' else '')
            # 设置打印信息(图片长宽)
            s += '%gx%g ' % img.shape[2:]  # print string
            gn = torch.tensor(im0.shape)[[1, 0, 1, 0]]  # normalization gain whwh
            if det is not None and len(det):
                # Rescale boxes from img_size to im0 size
                # 调整预测框的坐标：基于resize+pad的图片的坐标-->基于原size图片的坐标
                # 此时坐标格式为xyxy

                det[:, :4] = scale_coords(img.shape[2:], det[:, :4], im0.shape).round()

                # Print results
                # 打印检测到的类别数量
                for c in det[:, -1].unique():
                    n = (det[:, -1] == c).sum()  # detections per class
                    s += '%g %ss, ' % (n, names[int(c)])  # add to string

                # Write results
                # 保存预测结果
                for *xyxy, conf, cls in det:
                    if save_txt:  # Write to file
                        # 将xyxy(左上角+右下角)格式转为xywh(中心点+宽长)格式，并除上w，h做归一化，转化为列表再保存
                        xywh = (xyxy2xywh(torch.tensor(xyxy).view(1, 4)) / gn).view(-1).tolist()  # normalized xywh
                        with open(txt_path + '.txt', 'a') as f:
                            f.write(('%g ' * 5 + '\n') % (cls, *xywh))  # label format
                    # 在原图上画框
                    if save_img or view_img:  # Add bbox to image
                        label = '%s %.2f' % (names[int(cls)], conf)
                        plot_one_box(xyxy, im0, label=label, color=colors[int(cls)], line_thickness=3)

            # Print time (inference + NMS)
            # 打印前向传播+nms时间
            print('%sDone. (%.3fs)' % (s, t2 - t1))

            # Stream results
            # 如果设置展示，则show图片/视频
            if view_img:
                cv2.imshow(p, im0)
                if cv2.waitKey(1) == ord('q'):  # q to quit
                    raise StopIteration

            # Save results (image with detections)
            # 设置保存图片/视频
            if save_img:
                if dataset.mode == 'images':
                    cv2.imwrite(save_path, im0)
                else:
                    if vid_path != save_path:  # new video
                        vid_path = save_path
                        if isinstance(vid_writer, cv2.VideoWriter):
                            vid_writer.release()  # release previous video writer

                        fourcc = 'mp4v'  # output video codec
                        fps = vid_cap.get(cv2.CAP_PROP_FPS)
                        w = int(vid_cap.get(cv2.CAP_PROP_FRAME_WIDTH))
                        h = int(vid_cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
                        vid_writer = cv2.VideoWriter(save_path, cv2.VideoWriter_fourcc(*fourcc), fps, (w, h))
                    vid_writer.write(im0)

    if save_txt or save_img:
        print('Results saved to %s' % Path(out))
        # 打开保存图片和txt的路径(好像只适用于MacOS系统)
        if platform == 'darwin' and not opt.update:  # MacOS
            os.system('open ' + save_path)
    # 打印总时间
    print('Done. (%.3fs)' % (time.time() - t0))

4.17更新

问题一:

Windows环境下，安装好Pytorch后如果import时报如下错误，安装这个插件即可解决问题！

问题二:

UnicodeDecodeError: 'gbk' codec can't decode byte 0x98 in position 1130:illegal multibyte sequence...

解决方案：

删掉项目下的setup.cfg以后，就能安装了。

问题三:

出现这个问题：

先升级pip工具包：

pip install --upgrade pip setuptools wheel -i https://pypi.tuna.tsinghua.edu.cn/simple

再重试安装：

pip install opencv-python

再重新批量安装依赖：

pip install --no-cache-dir -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

解决问题！

问题四:

Windows Server 2012 r2服务器下import cv2 出现ImportError: DLL load failed

其实问题很简单，这是因为缺少与Window Media Service相关的mfplat.dll

解决方案如下：

安装 Windows Server 2012 r2的 桌面体验 功能！

参考资料：

https://www.cnblogs.com/lvhuayan/p/14538106.html

http://blog.halashuo.cn/159/

https://howiexue.blog.csdn.net/article/details/118445766

https://howiexue.blog.csdn.net/article/details/118463534

https://www.cnblogs.com/20183544-wangzhengshuai/p/14814438.html

https://blog.csdn.net/sinat_28371057/article/details/120598220

https://blog.csdn.net/JulyLi2019/article/details/111666353

https://blog.csdn.net/Q1u1NG/article/details/108093525

https://www.aiuai.cn/aifarm1511.html

https://jingyan.baidu.com/article/c35dbcb0a8c48f8916fcbc32.html

https://github.com/ultralytics/yolov5/releases

https://segmentfault.com/q/1010000010372172/

https://blog.csdn.net/weixin_43168960/article/details/107841815

版权属于：soarli
本文链接：https://blog.soarli.top/archives/587.html
转载时须注明出处及本声明。

Win10下YOLOv5的CPU环境搭建

一、安装pytorch

二、下载YOLOv5 github项目

三、安装所需依赖（三选一）

四、下载Yolov5预训练模型

五、测试使用YOLOv5

六、主要函数代码解析

4.17更新

问题一:

问题二:

问题三:

问题四:

发表评论取消回复

把握好每一个现在，大胆地展望未来

复变函数课堂笔记

实现基于微软TTS的语音播报功能

Windows下Redis的基本安装使用

数学建模培训课程1第一章课堂笔记

经济法学课堂笔记

解决Ubuntu下因依赖包而无法安装问题

在iOS设备上安装kodi的方法

“引用账户当前已锁定，可能无法登陆”解决方案

Nextcloud Talk配置使用笔记

一、安装pytorch

二、下载YOLOv5 github项目

三、安装所需依赖（三选一）

四、下载Yolov5预训练模型

五、测试使用YOLOv5

六、主要函数代码解析

4.17更新

问题一:

问题二:

问题三:

问题四:

发表评论 取消回复

发表评论取消回复