YOLO V5安装与验证
2021/12/18 23:51:37
本文主要是介绍YOLO V5安装与验证,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
YOLOV5一共有4个版本,分别是YOLOV5s、YOLOV5m、YOLOV5l和YOLOV5x,其中5s的权重文件最小,检测速度也最快,我们就在PC上配置V5s。配置过程需要下载和安装的内容如下:
- 安装conda环境,建议安装anaconda;
- 安装一个代码IDE;
- 安装pytorch,包括torch和torchvision;
- 下载YOLO源码和权重文件
第一步,安装anaconda环境
安装anaconda和代码编辑器比较简单,编辑器vscode、pycharm等都可以,anaconda在官网下载(https://www.anaconda.com)安装之后,就可以配置安装Python环境了,命令如下(环境名称为yolo,Python=3.8):
conda create --name yolo Python=3.7 -y
安装好环境后激活yolo工作环境,命令:
conda activate yolo
第二步,安装pytorch深度学习框架
pytorch官网可以根据本地PC的配置,然后在终端yolo环境下复制命令即可完成安装:
安装结束后,需要进入Python编辑环境,并输入如下验证:
import torch print(torch.__version__)
如果没有报错,说明pytorch安装成功了(如图)。
最后从GitHub(https://github.com/ultralytics/yolov5.git)下载YOLOV5的源码和权重文件,clone完毕之后,打开yolo文件夹内的requirements.txt文件,里面包含我们接下来要安装的配置环境和必要工具,如果当前电脑已经安装过其中部分软件,将对应的内容注释掉即可,执行命令:
pip install -r requirements.txt
等待几分钟,即可安装好yolo,默认会配置有yolo5s.pt权重配置文件,如果需要其他权重文件,可以在官网下载后放在项目文件中即可。
- 测试yolo
用IED打开yolo项目中的detect.py,会看到项目的权重文件、输入源文件、GPU(cuda设备)以及每张图片中最大检测的目标数等等配置信息,后续自己训练样本的时候,可以根据项目的需求,调整配置信息,这里仅测试安装的结果,我们先维持当前信息不做改变。
执行detect.py文件,会看到输入结果如下:
这里的runs/detect/exp2文件夹就是我们检测后结果的存放目录(每次执行都会生成一个exp*文件夹),我们打开文件夹,会发现有两张图片,随便打开一张,上面已经显示了当前检测的类别(person、bus)、位置信息以及检测的置信度。
我们再测试一张照片(献出我的十年老狗),将需要检测的照片放到/data/images文件夹内,运行detect文件,效果如下。
才0.77?尴尬了
这篇关于YOLO V5安装与验证的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-10-01基于Python+Vue开发的医院门诊预约挂号系统
- 2024-10-01基于Python+Vue开发的旅游景区管理系统
- 2024-10-01RestfulAPI入门指南:打造简单易懂的API接口
- 2024-10-01初学者指南:了解和使用Server Action
- 2024-10-01Server Component入门指南:搭建与配置详解
- 2024-10-01React 中使用 useRequest 实现数据请求
- 2024-10-01使用 golang 将ETH账户的资产平均分散到其他账户
- 2024-10-01JWT用户校验课程:从入门到实践
- 2024-10-01Server Component课程入门指南
- 2024-09-30Dnd-Kit学习:新手快速入门指南