### 配置 PyCharm 使用 YOLOv5 #### 创建虚拟环境并安装依赖项 为了确保项目的独立性和稳定性，在 PyCharm 中创建一个新的 Python 虚拟环境来管理所需的库。这可以通过 PyCharm 的设置界面完成。 接着，克隆官方的 YOLOv5 GitHub 仓库到本地计算机，并打开该项目作为 PyCharm 工程的一部分。之后，按照官方文档中的说明执行 pip install -r requirements.txt 来安装必要的软件包[^2]。 对于遇到 `ModuleNotFoundError: No module named 'torch'` 错误的情况，表明当前环境中缺少 PyTorch 库。解决方法是在激活对应的虚拟环境下重新安装 PyTorch 版本，注意要选择适合 CPU 或 GPU 的版本。针对仅需利用 CPU 执行的任务，推荐下载适用于 Linux/macOS/Windows 平台且不带 CUDA 支持的稳定版 PyTorch 安装命令，并通过终端或 Anaconda Prompt 输入该命令来进行安装。 #### 修改配置文件适应不同硬件条件 当准备就绪后，如果打算在 Windows 上启动训练过程，则需要注意调整参数设定以兼容操作系统特性。比如上述提到的例子中，由于多线程处理机制的原因，windows平台下的workers应该被设为0以防止潜在错误发生[^1]。 #### 编写测试脚本验证部署成功与否 编写简单的Python脚本来加载预训练好的YOLOv5模型并对单张图片实施预测操作是一个不错的检验方式。下面给出了一段用于检测指定路径下图像内物体的小程序： ```python from pathlib import Path import torch from models.experimental import attempt_load from utils.general import non_max_suppression, scale_coords from utils.datasets import letterbox import numpy as np import cv2 def detect_image(img_path): device = "cpu" weights = "./weights/yolov5s.pt" # 模型权重位置 img_size = 640 conf_thres = 0.25 iou_thres = 0.45 # 加载模型 model = attempt_load(weights, map_location=device) # 处理输入图像 source_img = cv2.imread(str(Path(img_path))) img = letterbox(source_img, new_shape=img_size)[0] img = img[:, :, ::-1].transpose(2, 0, 1) # BGR to RGB, hwc to chw img = np.ascontiguousarray(img) img = torch.from_numpy(img).to(device) img = img.float() img /= 255.0 if img.ndimension() == 3: img = img.unsqueeze(0) pred = model(img)[0] det = non_max_suppression(pred, conf_thres, iou_thres)[0] if len(det): det[:, :4] = scale_coords(img.shape[2:], det[:, :4], source_img.shape).round() for *xyxy, conf, cls in reversed(det): label = f'{model.names[int(cls)]} {conf:.2f}' plot_one_box(xyxy, source_img, label=label, color=(0, 255, 0), line_thickness=3) def plot_one_box(x, im, color=None, label=None, line_thickness=3): tl = line_thickness or round(0.002 * (im.shape[0] + im.shape[1]) / 2) + 1 # line/font thickness c1, c2 = (int(x[0]), int(x[1])), (int(x[2]), int(x[3])) cv2.rectangle(im, c1, c2, color, thickness=tl, lineType=cv2.LINE_AA) if label: tf = max(tl - 1, 1) # font thickness t_size = cv2.getTextSize(label, 0, fontScale=tl / 3, thickness=tf)[0] c2 = c1[0] + t_size[0], c1[1] - t_size[1] - 3 cv2.rectangle(im, c1, c2, color, -1, cv2.LINE_AA) # filled cv2.putText(im, label, (c1[0], c1[1] - 2), 0, tl / 3, [225, 255, 255], thickness=tf, lineType=cv2.LINE_AA) if __name__ == '__main__': image_file = r"data\images\zidane.jpg" detect_image(image_file) ``` 此代码片段展示了如何读取一张JPEG格式的照片并通过调用YOLOv5实现目标识别功能。最后会将带有标注框的结果保存下来供后续查看分析。