深度学习从零开始:用yolov5训练出自己的模型进行目标检测

一、前言

        在深度学习目标检测方向,应用的方向很多,尤其在当下的自动驾驶、安全监控、人脸识别等等,这篇博客是为了帮助没有基础的同学,真正从零开始,建立自己的模型,实现目标检测快速入门,希望能帮助大家。本文如有不妥之处,恳请大佬斧正。

        本文适用显卡类型:NVIDIA显卡系列(支持CUDA)

        本文适用操作系统类型:Windows

二、总体思路

 三、配置深度学习环境

①安装anaconda🎉

1.安装网址:Free Download | Anaconda

                

 2.安装流程:

一路默认即可,C盘空间不足的建议安装在其他盘,且该盘至少有50G的空间(否则在后期的训练过程中,可能出现页面文件太小的问题)

  

②配置Conda的虚拟环境🎉

 1.打开Anaconda Prompt

                                     

2.创建Conda环境

(1) 在D盘(空间多)下(指定路径)创建虚拟环境yolov5 :

             

   代码命令:conda create --prefix=D:/Anaconda3/envs/yolov5 python=3.8               

(2)激活Conda环境:

代码命令:conda activate yolov5

  (3)设置虚拟环境的默认镜像源:

  代码命令:pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

★补充知识: conda的相关命令
#创建环境

conda create -name  《环境名》 python=《版本号》
#激活环境

conda activate 《环境名》
#退出环境
conda deactivate

# 查看虚拟环境列表
conda env list
# 删除环境
conda remove -n  需要删除的环境名 --all

(4)安装适应版本(建议安装10.2  具体看显卡驱动程序版本)的CUDA(用于GPU加速)

 代码命令:pip install torch==1.8.2 torchvision==0.9.2 torchaudio==0.8.2 --extra-index-url https://download.pytorch.org/whl/lts/1.8/cu102

(5)测试是否安装好了CUDA

依次输入下列命令:

python 

 import torch

torch.cuda.is_available()

如果出现 True   那么恭喜你的深度学习环境已经配置好了✔️

四、下载yolov5框架🎉

1.文件下载链接:GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

2.如何在搭建好深度学习框架(conda的虚拟环境)后在Pycharm中可视化运行项目? 🤔

如何在搭建好深度学习框架后在Pycharm中可视化运行

五、利用labelimg打标签🎉

待续··················

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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