YOLOV5入门总结

最新推荐文章于 2024-07-15 12:30:08 发布
最新推荐文章于 2024-07-15 12:30:08 发布
阅读量526 收藏 6
点赞数 10
文章标签： 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Cuter_yu/article/details/135402757
版权

一、github下载源码

登陆GitHub官网，搜索yolov5，点击第一个

bab7d9e246c8432f89908a3ff6143d7e.png

我下载的v5.0版本压缩包

7f67b84308424a6f9c6dba72ef508b5f.png

 解压下载好的文件夹放入pycharm打开

二、用pycharm打开，配置pychorm环境

进入虚拟环境终端下载作者提供的requirements.txt文件277c174c2a62470e82ef02ba077e92f2.png

下载好后打开detect.py文件并运行

三、运行时遇到的一些问题

1、

5271b364110b44f0b051086740919055.png

解决办法：在虚拟环境执行git init

b57557c88ce340f498a3a3cbf4e6c6c7.png2、 

568dbf3029894603aab7ade9ecf877ff.png 

解决方法：在models/common.py里加入这段代码

466e1567bd1e453f94c11a31a3c2b104.png

 3、

a4abc2d49c6948a8b50713c733a4a246.png 

 解决方法：下载一个新的yolov5s.pt覆盖原来的

下载链接为：https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5s.pt

四、运行结束会生成一个run文件夹，里面包含运行结果

 

 

 

 

 

 

 

 

 

 

Cuter_yu
关注
  • 10
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Windows下YOLO V5环境（pytorch，cuda）配置及部署
Dllll283的博客
02-01 5748
介绍了anaconda的安装以及pytorch的下载和yolov5的部署，还有可能会遇到的各种问题
yolov5s训练
cyh20182808的博客
05-10 2185
一个yaml文件时data文件夹下的，复制一个voc.yaml改成自己的文件名，这里我改成了data.yaml，内容如下，需要写上训练集与验证集的地址，nc为类别个数，names为类别名，按自己数据集的顺序写，其他的download那些都删掉，只要干货。第二个yaml文件在models文件夹下，这里我们用5s那就修改yolov5s.yaml文件中的nc为3。weights为下载好的预训练权重那么我用的就是yolov5s.pt。data为我们写成自己的data文件夹下的data.yaml。
记录一次 Windows下 TensorRT 部署Yolov5模型（C++）
wstc2689784536的博客
03-13 1064
记录一次 Windows下 TensorRT 部署Yolov5模型（C++）
yolov5-pytorch训练自己的数据集-超详细
weixin_50113231的博客
03-18 7520
零基础基于pytorch利用自己的数据集训练yolov5网络，超详细
yolov5的安装、测试和训练自己的数据
chencaw的专栏
06-14 1350
（1）安装 git clone https://github.com/ultralytics/yolov5 pip install -r requirements.txt
Yolov5 安装详细教程及目标检测和识别
热门推荐
L-GRAZY的博客
10-23 5万+
文章内容： 1.在 Anaconda 环境下，进行目标检测程序（Yolov5）的下载及安装，实现 Yolov5 的整体安装； 2.通过调用手机摄像头进行简单的目标检测和识别。
在运行yolo5的v5.0版本detect.py时遇到的一些错误
m0_59199033的博客
05-24 1万+
跟着小土堆的视频教学自己遇到的一些问题。
YOLOv5项目环境配置
zootopia20169172的博客
07-30 1131
YOLOv5
目标检测框架yolov5环境搭建
feinifi的博客
04-17 1052
目标检测框架yolov5环境搭建，并使用模型文件训练示例图片。
实战YOLO V5推演（TensorRT版本 C++）
weixin_40293999的博客
12-07 5646
python不好用么，为什么还要转C++；yolov5的export.py 已经实现在python端的模型转化了啊？不需要c++的可以看这个《【深度学习】目标检测 yolov5模型量化安装教程以及转ONXX，torchscript，engine和速度比较一栏表》C++的学习曲线那么陡峭，性能在服务器端不如go，所以为什么不是go？
Yolov5的安装配置与使用
qq_54496810的博客
12-07 2万+
Win10下Yolov5的安装及使用，即利用Yolov5进行目标检测
关于Demo YOLOv5项目中发现的报错以及对应的解决
ggbb_4的博客
10-06 2207
关于Demo YOLOv5项目中发现的报错以及对应的解决方法
yolov5体验
m0_48275578的博客
03-10 652
YOLOV5体验、安装、配置环境
YOLOv5保姆级安装教程
2401_84080967的博客
04-03 5755
就会自动激活我们创建的yolov5虚拟环境，如黄色框出来的所示，由base环境切换为了yolov5环境，则表示我们成功进入了刚刚创建的yolov5环境，而那些所必须的库，就是需要安装在这个环境中，接着使用如下命令安装库。输入命令后，如上图所示，这些必要的库就开始安装了，等待一段时间，让它安装完成，安装过程可能会出现非常慢的情况，遇到这种情况，直接Ctrl+C中断安装，然后添加上清华源来pip。简单来说，它就是一个工具，它功能强大，做数据分析的，机器学习的，人工智能算法的都会用到它，所以。
大数据毕设项目 YOLO口罩佩戴检测系统 - python opemcv 深度学习
caxiou的博客
03-23 637
🔥 这两年开始毕业设计和毕业答辩的要求和难度不断提升，传统的毕设题目缺少创新和亮点，往往达不到毕业答辩的要求，这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目，今天要分享的是🚩 **基于YOLO实现的口罩佩戴检测 **🥇学长这里给一个题目综合评分(每项满分5分)受全球新冠肺炎疫情影响，虽然目前中国疫情防控取 得了良好效果，绝大多数地区处于疫情低风险，但个别地 区仍有零星散发病例和局部聚集性疫情。在机场、地 铁 站、医院等公
使用yolov5进行茶叶识别
chunxue1345的博客
08-09 3075
使用物体检测网络对茶叶进行识别
【深度学习】yolov5 tag7.0 实例分割 从0到1的体会,从模型训练,到量化完成，bug避坑
weixin_40293999的博客
11-25 8943
git仓库:https://github.com/ultralytics/yolov5/tree/v7.0在tag7.0开始支持的，号称sota，在master下的英文介绍中，有这句话，是realtime的sota。yolv6，yolov7也都在号称sota，大家都是sota。。。。中文介绍到时没有这个，看来是十分新的研究成果了。一共550张，lambelme标注，效果如下：但是labelme的标注是json格式的，需要做一次转换。
Yolov5安装及简单使用
treesorshining的博客
06-16 6565
官网地址：https://github.com/ultralytics/yolov5在Github上下载较为稳定的版本。 一般计算机上存在基础的运行环境，一般使用情境下可在此环境中下载许多常用的包，比如说numpy、pandas、sklearn等等。但是如果在一些需要对项目、文件打包的时候，如果直接打包base环境，就会导致混入很多本身项目不需要的包，造成依赖包冗余的状态，而通过Anaconda则可以通过创造新的虚拟环境解决此问题。比如需要完成一个目标检测的任务，就需要导入一些包，比如说numpy、pyt
2024Datawhale AI夏令营---基于术语词典干预的机器翻译挑战赛--学习笔记
最新发布
weixin_61573157的博客
07-15 1076
机器翻译（Machine Translation，简称MT）是自然语言处理领域的一个重要分支，其目标是将一种语言的文本自动转换为另一种语言的文本。机器翻译的发展可以追溯到20世纪50年代，经历了从基于规则的方法、统计方法到深度学习方法的演变过程。当前，机器翻译正朝着更加智能化和个性化方向发展。一方面，结合上下文理解、情感分析等技术，提高翻译的准确性和自然度；另一方面，通过用户反馈和个性化学习，提供更加符合用户需求的翻译服务。同时，跨语言信息检索、多模态翻译等新兴领域也正在成为研究热点。
YOLOv5 小白入门
08-02
YOLOv5是一个one stage目标检测算法，相对于two stage，其检测速度快、易上手、且精度不低，因此是目前最流行的目标检测算法。如果你是一个YOLOv5的小白，以下是一些入门步骤： 1. 下载YOLOv5代码：你可以通过两种方式下载YOLOv5代码。一种是到Github上下载YOLOv5包，下载地址为https://github.com/ultralytics/yolov5。下载好后解压，记住路径path。另一种方式是通过终端进入你想放置YOLOv5文件的路径path，然后输入命令$git clone https://github.com/ultralytics/yolov5.git$。[1] 2. 制作数据集：在开始使用YOLOv5之前，你需要准备一个适合你的目标检测任务的数据集。你可以使用已有的数据集，也可以自己制作数据集。制作数据集的具体步骤可以参考YOLOv5的文档或教程。[2] 3. 安装相关依赖：在使用YOLOv5之前，你需要安装一些相关的依赖。通过终端进入YOLOv5环境，并进入YOLOv5文件放置位置path。然后执行以下命令：$cd yolov5$和$pip install -r requirements.txt$。这将安装所需的依赖项。[3] 完成以上步骤后，你就可以开始使用YOLOv5进行目标检测了。你可以参考YOLOv5的文档和教程来学习如何使用YOLOv5进行训练和推理。祝你在YOLOv5的学习和实践中取得成功！

“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
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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