yolov5 + 训练模型 + 导出torchscript模型 + C++调用torchscript_yolov5 torchscript

• 目录

  一、环境准备

  二、下载YOLOv5完整代码

  三、下载官方模型（权重文件）

  1、说明

  2、下载

  四、下载YOLOv5所需要的配套库

  五、检测YOLOv5的环境是否配置成功

  六、训练自己的数据集

  （一）准备数据集

  1、使用labelimg标注自己的数据集

  2、在yolov5中加入自己的数据集

  （二）文件修改

  1、修改数据集方面的yaml文件

  2、修改网络参数方面的yaml文件

  3、修改train.py中的一些参数

  （三）开始训练

  ERROR：页面太小

  七、导出Python训练的yolov5模型

  导出流程

  1、修改export.py文件

  2、导出模型

  八、用C++调用导出的torchscript模型

  （一）环境配置

  1、下载并解压C++版本的Torch

  2、在Visual Studio2022上配置LibTorch（类似于配置OpenCV）

  3、C++部署Libtorch出现问题、错误汇总

  （二）检测环境是否配置成功

  （三）用C++调用导出的torchscript模型

  ---

  一、环境准备

yolov5 训练模型可以使用CPU和GPU两种方式，CPU相较于GPU很慢，但是要使用GPU需要配置CUDA+cuDNN的环境。训练模型需要搭建pytorch的深度学习库环境。

配置CUDA+cuDNN，以及pytorch环境：

       配置的教程网上已有许多，这里不再赘述。下面提供网址：

               CUDA网址：https://developer.nvidia.com/cuda-downloads

               cuDNN网址：https://developer.nvidia.com/rdp/cudnn-archive

               Pytorch网址：PyTorchhttps://pytorch.org/

cuDNN下载好后解压，将其中的三个文件夹复制到安装CUDA的文件夹下，覆盖掉其中的内容，然后在环境变量中添加路径即可（如果存在多个版本，则将需要使用的版本移动到前面去即可，如下），如何进入环境变量，后面的【第四章——下载YOLOv5所需要的配套库】有详细步骤。

如何查看电脑可以支持的CUDA版本：

同时按下键盘的Win和R键，输入cmd，打开【命令提示符】，输入nvidia-smi

如何查看自己安装的CUDA版本，或者多个CUDA版本中当前使用的版本：

       在【命令提示符】中输入nvcc -V

如何查看自己下载的pytorch版本是CUDA版本还是CPU版本：

这里提供Anaconda中创建虚拟环境，然后安装pytorch的查看方法。首先打开【命令提示符】，输入【conda activate 虚拟环境名称】（中括号只是标识，不输入）激活虚拟环境，然后输入【conda list】，如何创建虚拟环境，在后面的【第四章——下载YOLOv5所需要的配套库】有详细步骤。

• 二、下载YOLOv5完整代码

注意：如果需要像本篇文章一样，使用C++调用导出的torchscript模型，请下载yolov5 v5.0的版本，其中的文件内容如下：

Yolov5 v5.0的网盘链接：

        链接：https://pan.baidu.com/s/1uNPRZWWqpkPB3lyRBX4AdQ

        提取码：6666

如果需要其他的版本：

        https://github.com/ultralytics/yolov5/tags

        https://github.com/ultralytics/yolov5/releases

Yolov5 v5.0的GitHup下载界面

方法一：可以复制HTTPS方法提供的网址，然后打开【命令提示符】（快捷键Win+R，输入cmd回车），用git下载（前提：已经安装好git，没有安装git，也可以直接在git官网：Git - Downloads下载，然后直接安装，git环境是直接配置好的，安装路径可自行修改）。

 

方法二：也可以把这个仓库克隆到码云，从码云上下载。这个方法百度一下有很多博客写道。百度一下：“github迁移码云”这类关键字即可。下载完后，解压到想要的路径。

方法三：直接下载源码压缩包，然后解压即可，但是下载很慢，没有梯子不推荐此方式。

• 三、下载官方模型（权重文件）

• 1、说明

yolov5需要四个不同的权重文件，分别是yolov5s.pt、yolov5m.pt、yolov5l.pt和yolov5x.pt。

• 1. yolov5s.,pt是最小的模型，适合在低端设备上实现快速的推理。它包含在COCO数据集上训练的80个不同的类别。
  2. yolov5m.pt是中型模型，也包含COCO数据集上的80个类别，但比yolov5s.pt的性能更好。它适用于中端设备，如笔记本电脑和普通的桌面计算机.
  3. yolov5l.pt是一个大型模型，适用于高端设备。它比yolov5m.pt具有更高的准确性和性能，但需要更高的计算资源。对于高端计算机和服务器，这是一个理想的选择。
  4. yolov5x.pt是最大的模型，而且是性能最好的。它比其他模型更快，同时在精度方面也要好得多。它需要大量的计算资源，所以只适用于高端服务器和GPU。

• 2、下载

1.下面是我提供的四个pt权重文件的网盘链接：

        链接：https://pan.baidu.com/s/1aIhGc2O8182XUdiWGaM-Qw

        提取码：6666

有梯子的，可在官网下载：https://www.wpsshop.cn/w/盐析白兔/article/detail/569582