devbox
代码探险家
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
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

作者：代码探险家 | 2024-06-30 04:04:34

赞

踩

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.  
  4. 2、进行安装
  5.  
  6. sh Anaconda3-<对应的版本号>-Linux-x86_64.sh -- python3
  7.  
  8. bash Anaconda2-2019.10-Linux-x86_64.sh -- python2
  9. 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>
  10.  
  11. 3、验证安装成功
  12.  
  13. conda -V
  14.  
  15.  
  16. 4、linux下anacond配置环境变量
  17. 进入配置信息 sudo vi /etc/profile
  18. 或者在vi ~/.bashrc进行配置
  19. 在末尾添加自己的安装路径 export PATH=$PATH:/home/software/anaconda3/bin
  20. 按下ESC键，输入:,然后输入wq按下回车就保存退出了
  21. 最后重新载入配置文件，输入source /etc/profile
  22.  
  23.  
  24.  
  25. 5、linux下cuda配置环境变量
  26. 进入配置信息 sudo vi /etc/profile
  27. export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
  28. export PATH=$PATH:/usr/local/cuda/bin
  29. export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
  30. 按下ESC键，输入:,然后输入wq按下回车就保存退出了
  31. 最后重新载入配置文件，输入source /etc/profile
  32. 最后输入nvcc -V如果出现如下即表示安装成功。
  33. nvcc: NVIDIA (R) Cuda compiler driver
  34. Copyright (c) 2005-2019 NVIDIA Corporation
  35. Built on Wed_Oct_23_19:24:38_PDT_2019
  36. 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
  5.  
  1. # pip install -r requirements.txt
  2.  
  3. # Base ----------------------------------------
  4. matplotlib>=3.2.2
  5. numpy>=1.18.5
  6. opencv-python>=4.1.2
  7. Pillow>=7.1.2
  8. PyYAML>=5.3.1
  9. requests>=2.23.0
  10. scipy>=1.4.1
  11. torch>=1.7.0
  12. torchvision>=0.8.1
  13. tqdm>=4.41.0
  14.  
  15. # Logging -------------------------------------
  16. tensorboard>=2.4.1
  17. # wandb
  18.  
  19. # Plotting ------------------------------------
  20. pandas>=1.1.4
  21. seaborn>=0.11.0
  22.  
  23. # Export --------------------------------------
  24. # coremltools>=4.1  # CoreML export
  25. # onnx>=1.9.0  # ONNX export
  26. # onnx-simplifier>=0.3.6  # ONNX simplifier
  27. # scikit-learn==0.19.2  # CoreML quantization
  28. # tensorflow>=2.4.1  # TFLite export
  29. # tensorflowjs>=3.9.0  # TF.js export
  30. # openvino-dev  # OpenVINO export
  31.  
  32. # Extras --------------------------------------
  33. # albumentations>=1.0.3
  34. # Cython  # for pycocotools https://github.com/cocodataset/cocoapi/issues/172
  35. # pycocotools>=2.0  # COCO mAP
  36. # roboflow
  37. 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.  
  6.  
  7. #通用
  8. python path/to/detect.py --weights yolov5s.pt --source 0         # webcam，读取摄像头视频流
  9.                                                       path/to/img.jpg    # image，读取图片
  10.                                                       vid.mp4        # video,读取视频
  11.                                                       path/          # directory，读取文件
  12.                                                       path/*.jpg     # glob
  13.                                                       'https://youtu.be/Zgi9g1ksQHc'  # YouTube
  14.                                                       '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.  
  4. 2、验证coco.yaml里的数据
  5. python val.py --weights yolov5x.pt --data coco.yaml --img 640 --iou 0.65 --half
  6.  
  7. 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
  8. 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

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。