Yolov5环境配置

安装miniconda

下载：

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.6.14-Linux-x86_64.sh

安装：

chmod 777 Miniconda3-4.6.14-Linux-x86_64.sh

bash Miniconda3-4.6.14-Linux-x86_64.sh

激活：

source ~/miniconda3/bin/activate

创建：

conda create -n RKNN-Toolkit2 python=3.9

进入换进：

conda activate RKNN-Toolkit2

检查python版本

python --version

下载yolov5: git clone git@gitcode.com:qq_36813351/yolov5.git

查看本地所有 tag

git tag

查看远程所有 tag（推荐）

git ls-remote --tags

切换到目标 Tag

git checkout 标签名 （git checkout v7.0）

拉取所有远程标签

git fetch --tags

然后再切换

git checkout v7.0

安装 ultralytics 包

pip install ultralytics

安装依赖包：

pip install -r requirements.txt

升级 pip ：

pip install --upgrade pip setuptools wheel

测试程序： 将这个代码放到 yolov5顶层目录下，python ./xxxx.py就可以运行。

1.文字输出

import torch

# 加载本地YOLOv5模型（已经正常了！）
model = torch.hub.load('.', 'yolov5s', source='local')

# 用 yolov5 自带的本地图片，不联网！
img = 'data/images/zidane.jpg'

# 推理
results = model(img)

# 输出结果
results.print()
results.save()  # 保存到 runs/detect/exp

2.图片输出

import torch
import cv2
import numpy as np

# 加载模型
model = torch.hub.load('.', 'yolov5s', source='local')

# 本地图片
img_path = 'data/images/zidane.jpg'

# 推理
results = model(img_path)

# 打印检测结果
results.print()

# ----------------------
# 安全保存图片（不报错）
# ----------------------
img = cv2.imread(img_path)  # 用OpenCV读取图片
img_copy = img.copy()       # 复制一张可写的图

# 获取检测框并画在图上
for *box, conf, cls in results.xyxy[0]:
    x1, y1, x2, y2 = map(int, box)
    label = f'{results.names[int(cls)]} {conf:.2f}'
    cv2.rectangle(img_copy, (x1, y1), (x2, y2), (0, 255, 0), 2)
    cv2.putText(img_copy, label, (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

# 保存到当前目录
cv2.imwrite('result.jpg', img_copy)
print("✅ 图片已保存：result.jpg")