摘要：学习别人的开源项目是日常的一项必备技能，本文通过一个车辆跟踪（YOLOv5+DeepSort）的例子介绍如何配置和调试GitHub上的开源代码。以第一人称的视角给出本人调试代码的过程，包括项目readme的阅读、python环境配置、代码调试运行等，详细的过程已录制在视频中。完整的代码和配置文件可三连博主B站视频后获取。

博客及代码详细介绍：https://www.bilibili.com/video/BV1W34y1Y71w/（欢迎关注博主B站视频）

前言

        相传，当你找到一处好代码，雄心勃勃打算“学习”一下时，总会出现一些“灵异事件”，武力值低的人往往“出师未捷身先死”。别人的代码荡下来到自己机器上，怎么就是各种Error铺天盖地？不是环境报错、缺少文件，就是语法错误…于是乎在想这帮人总是分享一堆Bug作甚呢？还是我自己没Get到大佬的点？

        直接点，开始我们的故事吧。从前，有个夜黑风高的夜晚，收到上峰指示，先前的“目标跟踪”行动需立即执行：YOLOv4+Sort不好再用了，升级为YOLOv5+DeepSort。我想：“不会写啊，Python都没学过，额忘记我有没有学过了，晓得了先网上找一下吧”。咦，GitHub上有，和要求上差不多，妥了妥了，荡一下改改跑跑好不啦，小似情唷。喏这是原作者的效果，这个项目的地址：https://github.com/duongcongnha/Vehicle-tracking，下面说一下我调试该项目的经过。

1. 打量工作

        看到这样一个项目，检测和跟踪效果都不错，所以动手要把它在我的机器上运行起来。这里是GitHub的项目主页，我先下载一下代码到我的G盘，与此同时打量一下这个代码。

        下载好了，打开pycharm运行一下？别急，先看一眼训练好的模型有木有，老夫推断在models文件夹下，定睛一看存在yolov5的pt模型文件。Nice啊，目测可以先白嫖模型，预感这个程序靠谱。

        再看Readme里面如何使用，这里有Python环境版本，以及要安装的依赖列表（requirement.txt）。想来按照这个要求来，应该能跑通的吧，那现在能打开pycharm运行一下程序？那主程序是哪个不看看你就运行？待我先目测一下主程序在哪里，还有要怎么运行有没有介绍。

        这里记载了运行方式，用的命令行运行，这里有个cd命令，看来是在这个程序文件夹的application\main这个文件夹下，有个app_track.py，运行它应该就能跑起来了。

        这个项目代码写得比较规范，所以能很方便找到这三个点，其他的项目就不能保证这么幸运了，那样就得自己琢磨，当你阅码无数自然就能积累经验了。

2. 运行调试

        虽然看起来介绍齐全，但是我掐指一算可能会有坑，但是具体是什么坑我不知道。先启动pycharm，打开下载程序的文件夹，找到app_track.py这个主程序，然后运行程序？——先配置环境。有人问我：“原来有Python环境，配置好了很多三方依赖，直接用呗可以吗？”，那我不建议，这俩环境很可能不兼容，还是要改部分依赖包的版本，最终可能这个程序运行不通，你自己原来的程序也‘灵异’报错。”

        既然如此，我用Anaconda创建一个新环境，然后在新环境里收requirements.txt列出的这些“牛鬼蛇神”，目测靠谱一点。打开PyCharm的终端，输入一下命令：

conda create -n yolo5_track python==3.7

        我这里pycharm内置的终端是cmd，有些新版的pycharm变成了powershell，那后面部分命令可能不一样。各自实际情况不一样，大家具体问题具体分析，千万别只是照葫芦画瓢。那在终端里面输入，如下：

        然后激活环境，常规操作是吧，那就不要出错。输入以下代码，这里如果是powershell执行下去效果可不一样，如果有需要就自己解决一下哈。

conda activate yolo5_track

        接下来要给这个环境装上依赖，它这个项目里是不是有requirements.txt，我们打开看一下。还挺齐全的，有依赖名字还有部分版本号要求，那就来呗。

        上面有提示我们输入pip的安装命令，那就在刚刚的终端下输入以下命令，读取txt文件，然后执行各个依赖的安装。

pip install -r requirements.txt

        当然要先切换到requirement.txt所在的文件夹目录，然后输入命令回车执行，ChuaChua一堆安装信息提示，然后耐心等待完成。

        安装成功之后，在pycharm中选择一下环境，基本就是File->Setting->Project->Python Interpreter，进入Python环境选择conda环境，确定刚刚创建好的环境即可。

        环境也选好了，是不是该点运行了啊？这时候是时候展现真正的技术了，打开app_track.py，在编辑器中右击选择“Run”，开始运行，然后手动祈祷。

        然后就是这样滴，what？不就是按照作者给出的吗，报错了是什么情况。看我干啥，想想什么原因啊。我们看一下最后三行，torch的module.py文件报错，显示没有某个属性。经验来看哈，这肯定是torch的版本不对，因为代码写错能出没有属性的可能性不大，除非是自己定义的，缺少了模块文件。这里显然是torch的调用问题，应该是版本问题。

        我们是按作者给出的requirements.txt安装的，那么问题出现在哪里呢？我们再看一眼这个文件的内容，有些地方是固定版本，有的是给出了最低要求，比如要求这个torch>=1.8.0，大于等于？那我现在的torch版本呢，在终端输入pip list，可以看到torch版本1.11.0，没毛病确实大于1.8.0。

        这个版本比1.8新多了，那你说有没有可能，到了某个版本来了个调整，把某些个属性给删掉或换成别的属性了呢？我想是很有可能的，在发布代码的时候作者想不到后面这些依赖会变成什么样的，所以只能告诉我们大于某个版本，所以这里装的时候就变成最新版。那如果我们把所有版本指定为特定的，是不是就能避免了。至于这里面这么多依赖，是不是所有版本都要调整呢，看经验或调试结果了。调整和测试后的依赖版本被我修改如下，然后保存在setup.txt中：

        重新输入pip安装命令，在终端键入以下命令，重新安装：

pip install -r setup.txt

        这时显然好起来了，运行结果如下，这其实是在处理中，等到进度完成，得到处理后的结果。完整版的资源代码和setup.txt配置文件，可关注并三连博主B站视频后评论获取，可轻松无Bug运行。

        这时找到inference/output文件夹下的mp4结果，可以得到如下的画面，这是在原视频中检测后输出的文件。

        注意到源码里面读取了yml的设置文件，下意识打开可以发现设置识别视频的路径在第24行，我们可以修改为自己的视频所在目录，重新进行检测测试一下。

        修改用自己的视频文件，测试结果如下，感觉可以满足一般的车辆检测跟踪和计数要求，感兴趣的朋友可以从博主B站视频，评论获取完整代码和setup.txt依赖文件。

结束语

        由于博主能力有限，博文中提及的方法即使经过试验，也难免会有疏漏之处。希望您能热心指出其中的错误，以便下次修改时能以一个更完美更严谨的样子，呈现在大家面前。同时如果有更好的实现方法也请您不吝赐教。