代码收藏家 YOLOv5解析 | 第一篇：快速部署YOLOv5模型
大家好，我是『K同学啊』！
拖了好久，终于要开始目标检测系列了。自己想过好几次，想尽快出几期目标检测算法的博客教程，但是一直苦于不知道如何写，才能让大家轻松、快速、高效的入门目标检测算法。这段时间终于有个一个比较靠谱的思路。我是这样计划的：
首先，带大家先将算法跑起来，不然都不知道在干嘛，纯理论的东西看着头都大了，然后，教大家将官方的数据集更换成我们自己的数据集，并完成模型的训练。其次，在我们代码可以运行的情况下，从整体上讲解算法的结构。最后，挑选代码中一些比较关键的点，进行详细讲解。
文章目录
一、前言
YOLO系列是目前最热门的目标检测算法，那就拿它“开刀”了。YOLO目前已经更新到了YOLOv5，由于YOLOv5太新了，目前TensorFlow2版本还未出来（网上存在一些tf版本的，但是大概率不靠谱，就不踩坑了），那就用PyTorch吧，反正PyTorch迟早也是要学的嘛。PyTorch与TensorFlow的区别如下：
某宝上找人帮忙给小项目换一个框架（TensorFlow互转PyTorch），收费一般是1K起步，所以啊，技多不压身。
YOLOv5又分为Yolov5s、Yolov5m、Yolov5l、Yolov5x四个版本，我这里以Yolov5s为例。
二、下载源码
安装需要的环境
cmd，打开cmd后输入：pip install -r requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/
其中-i https://pypi.mirrors.ustc.edu.cn/simple/为中国科技大学的镜像，可以加快环境包的下载速度。
三、运行代码
需要的环境
以同样的方法打开cmd，输入命令：python path/to/detect.py --source path/to/img.jpg --weights yolov5s.pt --img 640，注意需要将图片路径替换成你的，例如：python detect.py --source data\images\zidane.jpg --weights yolov5s.pt --img 640。这里我们使用的是官方已经帮我们训练好的模型。
在这个过程中，你中途可能会遇到这两个问题，不用担心，这是网络问题多试几次就好了。
TimeoutError: [WinError 10060] 由于连接方在一段时间后没有正确答复或连接的主机没有反应，连接尝试失败。TypeError: unlink() got an unexpected keyword argument 'missing_ok'如果你还是一直这样，将 yolov5s.pt （提取码：bum6）文件放到项目的主目录下ok吧，上面的两个错误都是由于下载这个文件、下载失败缺少这个文件导致的。
命令运行成功后，你将会得到如下的反馈：
进行文件夹查看我们的检测结果：
四、视频检测
同样的方法打开cmd输入：python detect.py --source MyVideo_2.mp4
我的 实验视频（提取码：9vaq），或许你用得到。
你将会得到如下运行结果（因为版权问题放不了视频，难受~）
来源：K同学啊
