### 配置YOLOv5在树莓派上的环境 #### Python 3.9 环境安装 树莓派通常预装了多个版本的 Python，但在某些情况下可能需要手动确认或升级到特定版本。可以按照以下方法来验证和设置 Python 3.9： 1. **验证 Python 版本** 在终端中运行 `python3 --version` 或者 `python3.9 --version` 来检查当前系统是否已安装 Python 3.9[^1]。 2. **如果没有安装，则需下载并编译安装 Python 3.9**： ```bash sudo apt update && sudo apt upgrade -y sudo apt install build-essential libssl-dev zlib1g-dev \ libncurses5-dev libncursesw5-dev libreadline-dev libsqlite3-dev \ libgdbm-dev libdb5.3-dev libbz2-dev libexpat1-dev liblzma-dev tk-dev \ uuid-dev gcc make wget curl llvm -y cd ~ wget https://www.python.org/ftp/python/3.9.7/Python-3.9.7.tgz tar xzf Python-3.9.7.tgz cd Python-3.9.7/ ./configure --enable-optimizations make -j $(nproc) sudo make altinstall ``` 上述操作完成后再次通过 `python3.9 --version` 检查是否成功安装[^1]。 --- #### 安装 PyTorch 和 TorchVision 为了使 YOLOv5 能够正常工作，PyTorch 是必不可少的核心依赖项之一。以下是具体步骤： 1. 查看树莓派硬件架构（通常是 ARM 架构），然后根据其架构选择合适的 PyTorch 版本进行安装。 ```bash uname -a lscpu ``` 如果是基于 ARM v8 的处理器，推荐使用以下命令安装适合的 PyTorch 版本： ```bash pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu ``` 2. 对于更高效的推理性能，还可以尝试配置 ONNX Runtime 支持加速模型部署[^1]。 --- #### 使用 Anaconda 管理虚拟环境 虽然可以直接利用 Pip 工具构建所需环境，但借助 Conda 可简化许多复杂流程，并减少潜在冲突风险。 1. **安装 Anaconda** 下载适用于 Linux 平台的 Anaconda Shell Script 文件并执行安装过程： ```bash wget https://repo.anaconda.com/archive/Anaconda3-2021.05-Linux-arm64.sh bash Anaconda3-2021.05-Linux-arm64.sh source ~/.bashrc ``` 2. **创建专用虚拟环境** 推荐为项目单独建立隔离空间以便更好地控制各组件间相互作用关系： ```bash conda create -n yolov5_env python=3.9 -y conda activate yolov5_env ``` 3. **克隆仓库与安装依赖** 获取官方发布的 YOLOv5 源代码副本之后依据清单加载必要模块包： ```bash git clone https://github.com/ultralytics/yolov5.git cd yolov5 pip install -r requirements.txt -i https://pypi.douban.com/simple/ ``` --- #### 解决常见问题 - 若遇到 NumPy 缺失报错情况时，可通过显式指明较低兼容版号解决此状况： ```bash pip uninstall numpy pip install numpy==1.23.* ``` - 当前环境中未找到 Torchaudio 组件不影响基本功能实现，除非特别需求才额外追加引入[^4]。 --- #### 测试运行实例 最后一步便是实际检验整个链条能否顺畅运作起来： ```bash cd yolov5 python detect.py --weights yolov5s.pt --img 320 --conf 0.25 --source data/images/zidane.jpg ``` 上述指令将会调用预训练好的小型网络结构针对给定样本图像实施目标识别作业[^2]。 ---