本文最后更新于 66 天前，其中的信息可能已经有所发展或是发生改变。

[前言]

此文档是我对近期学习的一些整理，内容不多，一是因为还未有所成果，二是因为总结并编写文档是件非常耗费精力的事。但是在学习的途中已经碰到了不少的问题和疑惑，花了很多时间去解决各种各样的 BUG，也算是对前期流程比较了解了。因此我想把这段经历总结出来，一方面可以方便自己后期回顾，另一方面可以帮助其他人快速便捷地完成一些基础的操作，省去一些入门期间查找资料的时间。

受限于篇幅限制，这里将不会大量展开原理性的知识点，想了解的可以自行搜索。本文档将着重于学习过程中常用的一些操作步骤和指令代码。

本文档是按照正常的学习路径依次展开的。因此如果你是初学者，那么从上往下翻阅，一步步跟着操作即可。

如果你觉得光看文档太枯燥了，可以结合网络上的视频教程学习。对于零基础或是初学者的同学，我强烈推荐哔哩哔哩上的这个系列视频：BV1S5411X7FY ，通俗易懂，形象地介绍了诸如 “虚拟环境”、“Python 库 / 包” 等很多零基础的同学没接触过的概念，对于初学者来说非常友好。以此视频为基础的情况下，在 环境配置部分 可以不照着本篇文档学习（内容上两者区别不大）。

安装 Anaconda

可提供 Python 环境，支持创建/管理虚拟环境

Anaconda 官网下载页面

软件安装位置推荐默认，不然后期可能会遇到奇怪的 BUG，所以建议在 C 盘空间不足的情况下再选择其他磁盘
安装选项默认即可（也可根据自己情况调整）
Anaconda 默认不会在桌面创建快捷方式，可以从开始菜单内打开，也可通过任务栏的搜索功能打开

安装 PyCharm

PyCharm 是一个常用的 Python 集成开发环境，说人话就是敲代码、调试运行代码的地方。相较于 VSCode、Visual Studio 等，更适合 Python 的编写（至少对于初学者而言是这样的，对于老鸟来说用啥都一样，哪个合适用哪个）

PyCharm 社区版（免费）官网下载页面

软件安装位置任意
在 Installation Options 页面勾选所有选项
其余按默认下一步即可（也可根据自己情况调整）
结束后重启电脑即可完成安装（如果有提示要重启的话）

添加环境变量

添加环境变量以确保 IDE（集成开发环境、即代码编辑器）能直接识别到 conda 环境

注意：如先前安装过 Python，那么以下配置环境变量的部分可能会导致些许冲突，建议卸载掉原先的 Python。由于 Anaconda 提供了虚拟环境创建和管理功能，所以可以在 Anaconda 中另创建一个相同 Python 版本的环境
如何添加环境变量（ Win10 / Win11 同理）：教程：Win10 系统如何添加环境变量？
需要添加的环境变量（“路径”为你 Anaconda 的安装路径）：
- D:\\路径\\anaconda3
  D:\\路径\\anaconda3\\Library\\bin
  D:\\路径\\anaconda3\\Library\\mingw-w64\\bin
  D:\\路径\\anaconda3\\Library\\usr\\bin
  D:\\路径\\anaconda3\\Scripts

添加镜像源

由于需要的包和库等组件基本都在境外网络，下载速度不稳定，经常速度很慢甚至出错（如 HTTP 错误等），所以添加国内的镜像源以加快下载速度

方法一：在 Anaconda Prompt 中执行指令

打开 Anaconda Prompt ，依次（逐行复制粘贴）执行代码

任选以下一所高校的镜像源（推荐第一个）

# 清华大学镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

# 上海交通大学镜像源
conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.sjtug.sjtu.edu.cn/anaconda/cloud/conda-forge/

# 中国科学技术大学镜像源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/

设置搜索时显示通道地址

conda config --set show_channel_urls yes

显示添加的镜像源

conda config --show channels

方法二：修改配置文件

用记事本或任意文本编辑器打开 .condarc 文件（此文件可能为“隐藏”属性）文件路径：C:\\Users\\#你的用户名#\\.condarc
仿照 channels: 中 default 的格式，将镜像源替换进去示例（可直接复制以下内容使用）：

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

显示添加的镜像源

conda config --show channels

创建虚拟环境

在 Anaconda Prompt 中执行：

conda create -n yolov5 python=3.8

yolov5 为虚拟环境名字，3.8 为 Python 版本

稍等片刻，会显示 Proceed ([y]/n)? ，询问你是否继续输入 “y” 后回车（即按键 “Enter”）或直接回车（“[ ]” 中的是默认选项）都可

打开虚拟环境

方法一：

打开 Anaconda Prompt

执行 conda activate yolov5

conda activate yolov5

方法二：

打开系统终端窗口： [教程：12种打开终端的方式]

执行 activate yolov5

activate yolov5

配置虚拟环境

YOLOv5 requirements

虽然 PyCharm 提供了自动下载安装依赖的功能，但是网速很慢，所以采用终端下载更高效

前往 Github 下载 YOLO 项目的源代码 https://github.com/ultralytics/yolov5

在项目页面中，通常在页面右侧会看到一个绿色的 “Code” 按钮
点击 “Code” 按钮后，会弹出一个下拉菜单
选择 “Download ZIP” 选项，点击下载

解压项目压缩包到你向存放 Python 代码的位置

将终端定位至项目源码文件夹（忘记如何打开终端的见上文 “打开虚拟环境” 中的 “方法二”）

方法一：在终端中进入 yolov5 虚拟环境后使用 cd 指令定位至项目源码文件夹
1. 输入源码文件夹所在磁盘，如：C:，D:
2. 输入源码文件夹所在文件夹：如：cd D:\\Code\\Python\\yolov5-master

D:
cd D:\\Code\\Python\\yolov5-master # 你源代码所在的文件夹

方法二：
1. 打开源码文件夹 “yolov5-master”
2. 在此处打开终端窗口，激活 yolov5 虚拟环境

下载项目依赖（YOLOv5 requirements）

执行源代码文件夹中 requirements.txt 里的指令

pip install -r requirements.txt

由于需要的包和库等组件基本都在境外网络，所以下载速度可能很不稳定，可以在该指令后面使用 -i 参数添加镜像源。完整代码如下：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

稍等片刻，当可以输入命令的时候，说明执行下载完成了

PyTorch

PyTorch 是一个在深度学习中非常常用的 Python 库

进入 PyTorch 官网（服务器在境外，可能会加载慢或打不开） PyTorch Get Started

选择对应版本的 PyTorch，复制相应指令到虚拟环境 yolov5 中执行

PyTorch Build：选择 Stable，即稳定版
Your OS：选择你电脑的操作系统
Package：选择 conda，如果无法安装再换 pip
Language：选择 Python
Compute Platform：
- 查询电脑是否有 英伟达（NVIDIA） 独立显卡：教程：怎样知道自己的电脑是否支持 GPU？
- 若无 英伟达（NVIDIA） 独立显卡，选择 CPU
- 若有 英伟达（NVIDIA） 独立显卡，根据你电脑显卡的 CUDA 版本，选择对应的 CUDA
  - 下载安装对应 英伟达（NVIDIA） 显卡的最新驱动程序 NVIDIA 显卡驱动下载页面
  - 查询 英伟达（NVIDIA） 显卡 CUDA 版本：教程：如何查看自己的 CUDA 版本？
  - 若选择界面里没有你电脑对应的 CUDA 版本，进入 PyTorch 的旧版本界面寻找对应版本下载 Previous PyTorch Versions
结束后复制 Run this Command 里的指令即可
- 指令样例 （以 CPU 版本为例）
- 由于先前添加了镜像源，所以需要把 -c pytorch 删除，不然会采用 PyTorch 官方的源。完整代码如下：
注意事项：
- 在执行指令后，会自动检索需要下载的包，检索完会提示你是否继续 Proceed ([y]/n)?，别忘了继续~
- 下载并安装完成需要一定时间，终端窗口不动是正常的，稍等一两分钟就行了，完成后会显示一个 done

判断 PyTorch 是否安装成功进入 yolov5 虚拟环境，依次执行以下代码：

# 进入 Python 环境
python
# 导入 PyTorch 库
import torch
# 判断 CUDA 是否可用
print(torch.cuda.is_available())

CPU 版本的正确显示结果应该是 False
有 英伟达（NVIDIA） 独立显卡的 GPU 版本的正确显示结果应该是 True
退出 Python 环境执行 exit() 即可

exit()