YOLOV5一共有4个版本，分别是YOLOV5s、YOLOV5m、YOLOV5l和YOLOV5x，其中5s的权重文件最小，检测速度也最快，我们就在PC上配置V5s。配置过程需要下载和安装的内容如下：

1. 安装conda环境，建议安装anaconda；
2. 安装一个代码IDE;
3. 安装pytorch，包括torch和torchvision;
4. 下载YOLO源码和权重文件

第一步，安装anaconda环境

安装anaconda和代码编辑器比较简单，编辑器vscode、pycharm等都可以，anaconda在官网下载（https://www.anaconda.com）安装之后，就可以配置安装Python环境了，命令如下(环境名称为yolo,Python=3.8)：

conda create --name yolo Python=3.7 -y

安装好环境后激活yolo工作环境，命令：

conda activate yolo

第二步，安装pytorch深度学习框架

pytorch官网可以根据本地PC的配置，然后在终端yolo环境下复制命令即可完成安装：

安装结束后，需要进入Python编辑环境，并输入如下验证：

import torch

print(torch.__version__)

如果没有报错，说明pytorch安装成功了（如图）。 

最后从GitHub（https://github.com/ultralytics/yolov5.git）下载YOLOV5的源码和权重文件，clone完毕之后，打开yolo文件夹内的requirements.txt文件，里面包含我们接下来要安装的配置环境和必要工具，如果当前电脑已经安装过其中部分软件，将对应的内容注释掉即可，执行命令：

pip install -r requirements.txt

等待几分钟，即可安装好yolo，默认会配置有yolo5s.pt权重配置文件，如果需要其他权重文件，可以在官网下载后放在项目文件中即可。

• 测试yolo

用IED打开yolo项目中的detect.py，会看到项目的权重文件、输入源文件、GPU（cuda设备）以及每张图片中最大检测的目标数等等配置信息，后续自己训练样本的时候，可以根据项目的需求，调整配置信息，这里仅测试安装的结果，我们先维持当前信息不做改变。

执行detect.py文件，会看到输入结果如下：

这里的runs/detect/exp2文件夹就是我们检测后结果的存放目录（每次执行都会生成一个exp*文件夹），我们打开文件夹，会发现有两张图片，随便打开一张，上面已经显示了当前检测的类别（person、bus）、位置信息以及检测的置信度。

我们再测试一张照片（献出我的十年老狗），将需要检测的照片放到/data/images文件夹内，运行detect文件，效果如下。

 才0.77？尴尬了