下载运行yolov5

//如有错误指出还请指出

(前提python基础环境已经配置好)

1.下载yolov5

yolov5官方文档:GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

下载压缩包后解压。

2.安装Anaconda

官网Distribution | Anaconda

点击跳过注册

下载对应版本

安装后打开。创建一个新环境:yolov5test (这里已经创建过了)

3.下载pycharm

这里将pycharm环境设置此前创建的虚拟环境

打开下载的yolov5文件

打开终端

输入pip install -r requirements.txt  (这里可能会下载失败)

如果下载失败,将

文档 requirements.txt 中自带的下载地址删除(这里已经删除过了)。

然后再次输入pip install -r requirements.txt 就可以了。

4.运行(运行如果缺少什么包,对应下载即可)

运行有2种方法:

1.

直接用命令运行

结果如下

2.

直接运行detect.py。运行结果在显示的文件夹中

(过程可能有一些缺少的部分,可以看看其他大佬的解决方案或者问我)

用cpu或者gpu这里没有说明,后续会在发表。

  • 4
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Ultralytics的YOLOv5是一个基于PyTorch实现的实时物体检测算法,由 Ultralytics 公司开发。YOLOv5系列(如YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x等)是YOLO(You Only Look Once)家族的最新版本,它结合了高效性和精度。这个框架的特点包括: 1. 简洁的代码结构:YOLOv5采用了统一的API,使得模型训练和推理过程相对简单。 2. 实时性能:由于优化的网络设计和高效的内存管理,YOLOv5在保持良好准确率的同时,能够实现实时的物体检测。 3. 大量预训练权重:提供了一系列预训练的模型权重,可以直接下载并在多种数据集上进行微调。 要使用Ultralytics的YOLOv5,首先需要安装必要的库(如torch、torchvision等),然后从GitHub克隆仓库并按照官方文档进行配置。你可以通过以下步骤运行YOLOv5: 1. **安装依赖**:使用pip安装所需的Python库: ``` pip install -qr requirements.txt ``` 2. **下载模型**:访问Ultralytics的GitHub主页,克隆YOLOv5仓库并切换到相应的分支(例如主分支master): ```bash git clone https://github.com/ultralytics/yolov5.git cd yolov5 ``` 3. **加载模型**:选择一个预训练模型(如`yolov5s`、`yolov5m`等),在命令行中运行检测: ```sh python main.py detect --weights yolov5s.pt --img 640 --conf 0.5 --source /path/to/images | tensorboard --logdir runs/ ``` 4. **自定义训练**:如果你想对模型进行定制训练,可以使用`train.py`脚本,并准备对应的标注文件(`.txt`或`.yaml`格式)。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值