当前位置:   article > 正文

深度学习(三):yolov5环境配置及使用

yolov5环境配置

目录

0 前言

1 环境配置

1.1 python环境

1.2 官方github的样例

1.2.1  打印检测结果

​ 1.2.2 展示检测结果

2 运用detect.py进行检测

2.1 网络摄像头

2.2 将检测过程可视化

3 运用train.py进行训练

3.1 第一次报错

3.2 换一条命令

3.3 对比上面两条命令的数据集

3.4 第一次报错解决一半

未完


0 前言

        电脑:RTX3070、cuda-11.0,系统ubuntu18.04

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

       yolov5注释大神:https://github.com/SCAU-HuKai/yolov5-5.x-annotations

                其CSDN:https://blog.csdn.net/qq_38253797/article/details/119043919

1 环境配置

1.1 python环境

下载代码:

git clone https://github.com/ultralytics/yolov5

进入到下载目录:

  1. #创建python3.7的环境
  2. conda create -n yolov5py37 python=3.7
  3. #安装gpu版本的pytorch
  4. #官网链接:https://pytorch.org/get-started/previous-versions/
  5. pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
  6. #上面这个命令安装的包:
  7. torch==1.7.1+cu110
  8. torchvision==0.8.2+cu110
  9. torchaudio==0.7.2
  10. #安装其他需要的包
  11. pip install -r requirements.txt
  12. #安装包的版本可能不固定,但都是满足要求的版本

1.2 官方github的样例

1.2.1  打印检测结果

        创建文件inference.py

  1. import torch
  2. # Model
  3. model = torch.hub.load('ultralytics/yolov5', 'yolov5s') # or yolov5m, yolov5l, yolov5x, custom
  4. # Images
  5. img = 'https://ultralytics.com/images/zidane.jpg' # or file, Path, PIL, OpenCV, numpy, list
  6. # Inference
  7. results = model(img)
  8. # Results
  9. results.print() # or .show(), .save(), .crop(), .pandas(), etc.

         在1.1的python环境中执行,终端打印输出的有yolov5软件信息、计算机硬件信息、下载.pt模型文件、模型概况、图像、检测结果。

python inference.py
  1. (yolov5py37) meng@meng:~/deeplearning/yolov5$ python inference.py
  2. Downloading: "https://github.com/ultralytics/yolov5/archive/master.zip" to /home/meng/.cache/torch/hub/master.zip
  3. Downloading https://ultralytics.com/assets/Arial.ttf to /home/meng/.config/Ultralytics/Arial.ttf...
  4. fatal: 不是一个 git 仓库(或者任何父目录):.git
  5. 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/花生_TL007/article/detail/553101
    推荐阅读
    相关标签