Ubuntu20。04部署yolov5目标检测算法，开发板无

　　FireFlyRK3588开发板上烧录的Ubuntu20。04系统，在此基础上线部署下简单的Python版本yolov5代码，目前博主已全部转为C版本了，并且转化了pt模型为rknn模型，调用npu进行推理，效果和速度都比原先Python代码好很多。本篇主要介绍如何部署和运行yolov5目标检测代码。
　　1、安装anaconda
　　Anaconda是流行的PythonR数据科学和机器学习平台，用于大规模数据处理，预测分析和科学计算。Anaconda附带了250个开源数据包，并且可以从Anaconda存储库中安装超过7500个其他包。它还包括conda命令行工具和称为AnacondaNavigator的桌面图形用户界面。
　　1、进入，下载安装包，注意文件后缀是你的系统架构，比如x86、amd64或者aarch64，可以通过下面命令查看。
　　2、cd到你的下载目录，然后bashAnaconda32022。05Linuxaarch64。sh，进行安装，会看到以下画面：
　　bashAnaconda32022。05Linuxaarch64。sh
　　WelcometoAnaconda32022。05
　　Inordertocontinuetheinstallationprocess，pleasereviewthelicense
　　agreement。
　　Please，pressENTERtocontinue
　　3、按ENTER继续。要滚动浏览许可证，请使用ENTER键。审查完许可后，将要求您批准许可条款：
　　Doyouapprovethelicenseterms？〔yesno〕
　　4、键入yes接受许可，系统将提示您选择安装位置：
　　Anaconda3willnowbeinstalledintothislocation：
　　homefireflyanaconda3
　　PressENTERtoconfirmthelocation
　　PressCTRLCtoaborttheinstallation
　　Orspecifyadifferentlocationbelow
　　5、默认位置对于我们大多数用户来说已经就可以，按ENTER确认安装位置。安装可能需要一些时间，完成后，脚本将询问您是否要运行condainit，键入yes。
　　Installationfinished。
　　DoyouwishtheinstallertoinitializeAnaconda3
　　byrunningcondainit？〔yesno〕
　　6、这会将命令行工具conda添加到系统的PATH中。要激活Anaconda安装，您可以关闭并重新打开终端，或者通过键入以下命令来将新的PATH环境变量加载到当前的shell会话中：
　　source。bashrc
　　7、这样就是成功了安装了Anaconda，现在我们创建一个python3。8的名称为yolo的环境。打开终端，输入condacreatenyolopython3。8回车，输入y确定，等待创建成功即可。
　　condacreatenyolopython3。8
　　如果你是Windows系统，可以看下
　　2、配置yolov5环境
　　1、从或者下载yolov5的代码，我这里下载的是v6。0版本，如果你直接下载的话默认的是最新版，为了保证能顺利运行，建议和我下载一样的版本。然后下载它对应的模型weights，weights分为s，m，l，x四个尺寸的模型文件，我这里就下载了yolov5s。pt，然后把它放在根目录下，如下图所示：
　　2、在volov56。0下的requirements。txt，把numpy1。17的1。17删去，然后在该文件夹下的终端中输入
　　pip3installUrrequirements。txtihttps：pypi。tuna。tsinghua。edu。cnsimple
　　即可全自动安装前十一个依赖项（i选项指定了清华源，速度很快）。
　　3、安装COCOAPI
　　，在子文件夹PythonAPI下打开终端，输入make或者pythonsetup。pyuser即可安装。如果有报错则可能是缺少依赖或者版本不对，那么用pip安装指定版本即可。
　　make
　　pythonsetup。pyuser
　　至此，yolo所需的环境配置完成，是不是非常简单，毕竟这些操作都应该是大学生必备技能！
　　3、运行yolov5算法
　　1、可以在source这里修改输入源，可以是图像、文件夹、网络视频、rtsp视频流等，或者0调用自带摄像头。
　　2、然后终端进入我们创建的yolo环境，输入pythondetect。py即可运行。可以看到窗口中是我的IP相机的rtsp流，每个不同类别的目标都有不同颜色的检测框，上面是目标的置信度（预测概率），控制台是每一帧检测情况的日志。
　　pythondetect。py
　　输入命令也可以加上很多参数，比如source指定输入源，weights指定权重文件等。
　　至此，你已经成功运行出yolo算法了，是不是很简单直接呢，作为目标检测最经典的算法，是我们计算机视觉研究者必会算法之一，关于yolov5的网络结构，可以看下它的论文，目前yolov7已经出来了，更新速度非常快。