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。

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：

• TensorFlow：更倾向于工程人员，落地比较好。
• PyTorch：比较倾向于研究人员，前沿算法用得比较多。

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。<