YOLOv5 安装开发环境
视频讲解如下：
开发环境使用的是PyCharm Community Edition 2022.1，博主本来是打算使用Visual Studio 2019中的python环境的，结果发现官方代码在Visual Studio中好像不太好部署，没办法，只能使用PyCharm先跑起来再说了。
主要软件也就两个：
pycharm-community-2022.1.3.exe
Miniconda3-py38_4.12.0-Windows-x86_64.exe
参考安装地址：https://blog.csdn.net/ECHOSON/article/details/117220445
特别说明：推荐所有软件以管理员方式进行安装。博主这里安装的是 Miniconda3，不是anaconda，博主也尝试过使用anaconda，没搭建成功，太TM费劲了。。。
开发环境说明：
版本 Windows 11 专业版
版本 21H2
操作系统版本 22000.1455
处理器 12th Gen Intel(R) Core(TM) i9-12900KF 3.20 GHz
机带 RAM 32.0 GB (31.7 GB 可用)
系统类型 64 位操作系统, 基于 x64 的处理器
GPU NVIDIA GeForce RTX 3090
安装PyCharm
先去官网下载PyCharm社区版：https://www.jetbrains.com/pycharm/download/#section=windows
PyCharm下载完之后，然后以管理员方式运行下载的exe文件。
下一步，由于博主电脑C盘空间有限，博主设置了安装路径为D盘。
然后下一步。
下一步
等待安装完成。
第一个是立即重启，第二个是手动重启。
到这里，PyCharm就算是安装成功了。
注意：
1、PyCharm开发环境的工程目录不允许在中文目录下。
2、PyCharm开发环境要求电脑的编码为UTF-8或者将环境变量中的TEMP修改成纯英文路径。（推荐采用修改环境变量的方式）
如果不设置电脑编码，运行detect.py会出现如下错误。
OSError: Failed to open file b'C:\\Users\\\xe9\xab\x98\xe4\xbb\x81\xe5\xae\x9d\\AppData\\Local\\Temp\\scipy-8incouth'
解决方法1：修改电脑编码为UTF-8
在电脑右下角时间位置右键，打开“调整日期/时间”
然后选择语言->管理语言设置：
更改系统区域设置
到这里就完成了系统的编码设置了。
解决方法2：修改TEMP、TMP环境变量为纯英文（推荐）
修改前如下：
修改后：
安装Miniconda3
先去官网下载Miniconda3：https://docs.conda.io/en/latest/miniconda.html
创建虚拟环境
Miniconda3安装完成之后，打开windows的命令行（cmd），输入conda env list，出现下列信息则表示conda已完成安装
注意：
1、某些电脑上可能无法在cmd中来创建虚拟环境，可以尝试在“Anaconda Prompt (miniconda3)”中来执行创建命令。这两者的唯一区别就是创建的虚拟环境目录路径不一样而已。
2、如果采用cmd来创建，虚拟环境会被创建到miniconda3的安装目录下。
3、如果采用的是Anaconda Prompt来创建，则会被安装到C盘的用户目录下。
4、如果以管理员方式运行Anaconda Prompt，虚拟环境也会被创建到miniconda3的安装目录下。
博主这里采用非管理员方式运行“Anaconda Prompt (miniconda3)”中创建我们的yolo虚拟环境，然后在命令行中输入下列指令创建虚拟环境
conda create -n yolo python==3.8
这条指令的含义是创建python版本为3.8，名称为yolo的虚拟环境
安装结束之后输入下列指令激活虚拟环境，出现下图所示的小括号表示环境激活成功
conda activate yolo
安装程序所需要的包
接着在命令行中依次执行下列命令安装程序所需的包（请根据你的程序自由选择要安装的包）
备用地址：
-i https://mirrors.aliyun.com/pypi/simple
-i https://pypi.tuna.tsinghua.edu.cn/simple
pip install tensorflow-cpu==2.11.0 -i https://mirror.baidu.com/pypi/simple
pip install pyqt5 pillow opencv-python matplotlib torch -i https://mirror.baidu.com/pypi/simple
到这里，我们的虚拟环境就配置完成了。
注意：早期我这边安装的Tensorflow-cpu是2.3.0版本，会出现Tensorflow-cpu与numpy的兼容问题，2.3版本要求 1.16.0<=umpy<1.19.0，如果改成2.11.0，就没这个提示，如果安装不了2.11.0版本，可以尝试更换不同的数据源进行尝试安装。
下载官方yolov5-master代码
官方代码下载地址：https://github.com/ultralytics/yolov5
下载完之后，我们解压一下，就是下面这个样子了。
然后使用管理员方式打开PyCharm
打开我们的yolov5-master工程，记住，工程路径不能带中文。
新打开的工程，会跳出下面的提示窗口，我们直接取消即可。
配置PyCharm开环境
保持工程yolov5-master工程处于打开状态，然后点击：File->Settings
按如下操作，添加我们前面新增的yolo虚拟环境。
选择前面安装的yolo虚拟环境地址。
确定之后就是下面这个样子。
配置完成之后，直接确定，退出窗口。
最后右下角显示yolo表示我们当前的虚拟环境为yolo
然后按下面操作，打开终端，切换到虚拟环境：
进入虚拟环境后，执行下面命令：
pip install -r requirements.txt -i https://mirror.baidu.com/pypi/simple
忽略安装警告。
运行官方代码
运行官方代码detect.py，测试环境是否搭建成功。
python detect.py --weights weights/yolov5s.pt
执行过程会下载yolov5s.pt文件，耐心等待即可。
如果嫌下载慢，可以尝试直接去github下载。
你可以通过删除detect目录下的所有exp目录，然后再次执行“python detect.py --weights weights/yolov5s.pt”，你会发现程序会重新生成一个exp目录，并输出执行结果。
