当前位置:   article > 正文

Linux服务器配置(Linux之创建自己的账户并进行YOLOV5环境搭建)_linux yolov5

linux yolov5

目录

1、登录服务器

2、配置服务器

3、搭建Python环境

断点训练:

继续训练:

Formats

进入python,运行netron.start(‘模型路径’),如下:

4、从经验中需要注意的事情:

5、 提高模型性能的一些技巧

1、初始化的超参数


目录

1、登录服务器

2、配置服务器

3、搭建Python环境

断点训练:

继续训练:

Formats

进入python,运行netron.start(‘模型路径’),如下:

4、从经验中需要注意的事情:

5、 提高模型性能的一些技巧

1、初始化的超参数


目录

1、登录服务器

2、配置服务器

3、搭建Python环境

2、跑起来了也没有报错,但是一直卡在这个界面,显示完了超参数也不进入训练状态,打开tensorboard显示没有训练数据。


1、登录服务器

1.1通过命令行SSH进行登录。我们可以通过SSH,配合服务器IP,帐号密码进行登录。

ssh root@8.xxx.xxx.xxx

1.2 如果是Windows的话,可以下下载一个XShelll也能进行操作登录。

 

2、配置服务器

2.1 创建新用户

adduser example_user   # 比如我创建pengtao新用户 ,输入密码一路回车下去创建即可

adduser pengtao 

 2.2 添加用户权限

adduser pengtao sudo

2.3 进入用户更新软件包

比如 在pengtao 用户下更新软件包 

  1. su - pengtao
  2. sudo apt update
  3. apt list --upgradable #查看要升级的软件包

3、搭建Python环境

从零开始在Linux服务器中搭建yolov5环境

3.1 安装Aaaconda3

  1. 1、直接下载
  2. wget https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.sh 
  3. 2、进行安装
  4. sh Anaconda3-<对应的版本号>-Linux-x86_64.sh -- python3
  5. bash Anaconda2-2019.10-Linux-x86_64.sh -- python2
  6. 一般使用默认的安装即可,官方也推荐使用默认的安装路径,默认的安装路径格式如下:/home/<user>/anaconda<2 or 3> 如果是root用户则是:/root/anaconda<2 or 3>
  7. 3、验证安装成功
  8. conda -V
  9. 4、linux下anacond配置环境变量
  10. 进入配置信息 sudo vi /etc/profile
  11. 或者在vi ~/.bashrc进行配置
  12. 在末尾添加自己的安装路径 export PATH=$PATH:/home/software/anaconda3/bin
  13. 按下ESC键,输入:,然后输入wq按下回车就保存退出了
  14. 最后重新载入配置文件,输入source /etc/profile
  15. 5、linux下cuda配置环境变量
  16. 进入配置信息 sudo vi /etc/profile
  17. export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
  18. export PATH=$PATH:/usr/local/cuda/bin
  19. export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
  20. 按下ESC键,输入:,然后输入wq按下回车就保存退出了
  21. 最后重新载入配置文件,输入source /etc/profile
  22. 最后输入nvcc -V如果出现如下即表示安装成功。
  23. nvcc: NVIDIA (R) Cuda compiler driver
  24. Copyright (c) 2005-2019 NVIDIA Corporation
  25. Built on Wed_Oct_23_19:24:38_PDT_2019
  26. Cuda compilation tools, release 10.2, V10.2.89

 如果安装完成后出现下面问题:输入source ~/.bashrc或者重新开下终端即可。

3.2 搭建yolov5环境

  1. pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple
  2. pip install matplotlib==3.2.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
  3. pip install numpy==1.18.5 -i https://pypi.tuna.tsinghua.edu.cn/simple
  4. pip install scipy==1.4.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
  1. # pip install -r requirements.txt
  2. # Base ----------------------------------------
  3. matplotlib>=3.2.2
  4. numpy>=1.18.5
  5. opencv-python>=4.1.2
  6. Pillow>=7.1.2
  7. PyYAML>=5.3.1
  8. requests>=2.23.0
  9. scipy>=1.4.1
  10. torch>=1.7.0
  11. torchvision>=0.8.1
  12. tqdm>=4.41.0
  13. # Logging -------------------------------------
  14. tensorboard>=2.4.1
  15. # wandb
  16. # Plotting ------------------------------------
  17. pandas>=1.1.4
  18. seaborn>=0.11.0
  19. # Export --------------------------------------
  20. # coremltools>=4.1 # CoreML export
  21. # onnx>=1.9.0 # ONNX export
  22. # onnx-simplifier>=0.3.6 # ONNX simplifier
  23. # scikit-learn==0.19.2 # CoreML quantization
  24. # tensorflow>=2.4.1 # TFLite export
  25. # tensorflowjs>=3.9.0 # TF.js export
  26. # openvino-dev # OpenVINO export
  27. # Extras --------------------------------------
  28. # albumentations>=1.0.3
  29. # Cython # for pycocotools https://github.com/cocodataset/cocoapi/issues/172
  30. # pycocotools>=2.0 # COCO mAP
  31. # roboflow
  32. thop # FLOPs computation

3.3  yolov5环境测试

3.3.1  下载模型

1、网址下载

yolov5模型下载地址

 2、脚本下载

bash data/scripts/download_weights.sh

3.3.2  测试模型

  1. 进入YOLO V5工程的根目录
  2. $ cd /media/yolov5
  3. 执行命令:
  4. $ python detect.py --source ./data/images/bus.jpg
  5. #通用
  6. python path/to/detect.py --weights yolov5s.pt --source 0 # webcam,读取摄像头视频流
  7. path/to/img.jpg # image,读取图片
  8. vid.mp4 # video,读取视频
  9. path/ # directory,读取文件
  10. path/*.jpg # glob
  11. 'https://youtu.be/Zgi9g1ksQHc' # YouTube
  12. 'rtsp://example.com/media.mp4' # RTSP, RTMP, HTTP stream

 

3.3.3  模型验证

  1. 1、下载coco数据集
  2. download: bash data/scripts/get_coco.sh
  3. 2、验证coco.yaml里的数据
  4. python val.py --weights yolov5x.pt --data coco.yaml --img 640 --iou 0.65 --half
  5. val: data=/content/yolov5/data/coco.yaml, weights=['yolov5x.pt'], batch_size=32, imgsz=640, conf_thres=0.001, iou_thres=0.65, task=val, device=, single_cls=False, augment=False, verbose=False, save_txt=False, save_hybrid=False, save_conf=False, save_json=True, project=runs/val, name=exp, exist_ok=False, half=True
  6. YOLOv5
    声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/代码探险家/article/detail/771329
    推荐阅读
    相关标签