目标检测《一、 yolov5 环境安装》
3. rv1109平台部署yolov5环境，官方onnx模型转换rknn模型验证
以上文章是从0到1，一点点记录部署全部过程，包括出现的错误以及解决过程。
第五篇是汇总前4篇，做一个归纳总理，顺序总结出部署过程，因为是后期总结，可能会导致哪里遗落，具体可以查看对应上面对应文章。
---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
1.conda安装
1.1 Anaconda 安装包：在浏览器中打开 https://www.anaconda.com/products/individual 下载适合你的操作系统的 Anaconda 安装包（Python 版本根据需要选择）。建议选择 Python 3.x 版本，因为 Python 2.x 已经不再被支持。
1.2 安装完成后，配置一下系统环境变量，在PATH中新建（路径根据自己安装的路径配置），如下图：
1.3 重启电脑。
1.4 终端里面输入conda --version，如果可以显示出版本号，证明安装成功。
2. yolov5环境安装
2.1 创建虚拟环境
win+R输入cmd，打开终端，最好是在比如D盘新建个yolo的文件夹，切到这个文件夹中进行后续操作。（python根据自己的版本更换）
conda create -n yolo python=3.10
激活当创建的环境：
conda activate yolo
报错：
我这边激活失败提示：IMPORTANT: You may need to close and restart your shell after running 'conda init'。
解决：
我用的是命令提示符，也就是cmd.exe。(如果使用bash、powershell就自己替换)
以管理员身份运行cmd.exe
conda init cmd.exe
再次激活：
2.2 安装pytorch
需要在上一个激活的环境下运行：
conda install pytorch torchvision cudatoolkit=11.3 -c pytorch
2.3 下载yolov5的源码（截至我目前下载是yolov5 7.0版本）
git clone https://github.com/ultralytics/yolov5 # clone cd yolov5 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
3.运行测试
yolov5的git地址：https://github.com/ultralytics/yolov5
点击右下角
运行：
python segment/predict.py --weights yolov5m-seg.pt --data data/images/bus.jpg
就可以在runs\predict-seg\exp看到目标识别的图片。
备注：如果要下载预训练权重文件，把刚上面打开的网页拉到最下面
4.退出当前yolo的环境
conda deactivate
