【目标检测】Anaconda3+PyCharm+Python3.8+PyTorch1.10+Cuda10.2的YOLOv5复现教程

最新推荐文章于 2024-09-28 01:19:39 发布
最新推荐文章于 2024-09-28 01:19:39 发布
阅读量5k 收藏 30
点赞数 3
分类专栏： 目标检测 文章标签： 机器学习 目标检测 YOLOv5 目标跟踪 深度学习
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/KayViolet/article/details/121454589
版权
本文介绍了如何使用Anaconda3、PyCharm和Python3.8搭建环境，配合CUDA10.2复现YOLOv5目标检测模型。详细讲解了码源下载、模型获取、环境配置及预测过程，包括错误处理和模型选择对检测效果的影响。
摘要由CSDN通过智能技术生成

1 预备工作

1.1 码源下载

下载地址：YOLOv5码源下载
进不去的同学找个梯子哦。

1.2 模型下载

有梯子的同学可以忽略这一步。
没有梯子的话，通过程序下载模型会很慢，所以还是建议通过GitHub官方去下载。
这边也放上下载地址：YOLOv5模型下载
页面向下拉看到下图页面，直接点击，即可下载。
在这里插入图片描述
没有梯子的同学，需要的话留言，我会放上百度云连接。

1.3 环境配置

我用的是Anaconda虚拟环境，具体环境配置我会单独写一篇文章。
将下载下来的yolov5-master.zip文件解压。
在这里插入图片描述
在这里插入图片描述
接下来就是配置环境了。

最低0.47元/天 解锁文章
KayViolet
关注
专栏目录
YOLOv5代码复现流程
weixin_43167551的博客
11-01 303
8.保存一个视频到和detect.py同一根目录下后，将其命名为a.mp4，运行python detect.py --weights yolov5s.pt --source a.mp4,运行结果将保存到D:\science\anaconda\anacondaData\envs\YOLOv5\yolov5-7.0\runs\detect\exp4，若当前无runs文件夹，运行成功后会自动创建，刷新即可。#简便解决办法：在导入包的上方增加以下代码。#出错原因：git环境变量设置问题。9.2生效不到一分钟。
yolov5代码复现及推理及可视化代码编写
weixin_47707533的博客
03-16 518
提示：这里对文章进行总结：例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
win11+Anaconda+cuda+cudnn+torch(gpu)配置记录
KEKEKAIAI的博客
09-18 299
虽然之前配置过一次环境，但是换了新电脑，结合后期需要跑神经网络代码，因此重新安装了pycharm,并重新配置环境torch，在此记录一下，希望可以给同样需要配环境的同学们做个参考。
使用Jetson TX2 NX 配置yolov5 以及yolov8 的python3.8环境 以及tensorrt环境搭建（实测jetson nano也可以使用）
最新发布
大学牲
09-28 907
3. 在文件的末尾添加以下行，将miniforge的bin目录路径添加到环境变量（添加miniforge的bin文件的路径）后面基本上就没啥了，安装完成后可能会遇到无法使用conda命令的情况，打开bashrc文件添加一下路径就好了。接下来安装好yolo的requirement后就可以愉快的开始之后的学习了。关于亚博智能的，里面有配好的yolov4例程等等，大家可以私信我，免费的。关于Jetosn TX2 NX资料，我找到了微雪电子的和亚博智能的。（注意建的是python3.8的环境，我的是3.8.20）
YOLOV5 代码复现以及搭载服务器运行_yolov5代码用pycharm在服务器上运行
2401_84164469的博客
04-17 371
在前面文章中提到，目标检测有两种方式，一种是one_stage（单阶段）如YOLO 一种是two_stage（双阶段）如Faster_Rcnn，Mask_Rcnn。之前介绍了Faster_Rcnn，这篇文章主要介绍YOLOV5 代码复现过程，以及配置文件的修改。YOLO是目标检测的一种网络框架，检测速度非常快，适合做一些实时检测，YOLO现在经过几代版本的更迭，现在已经到了V5版本，V5提供了5l，5m，5s，5x几种版本，这篇文章使用5s的模型。
YOLOV5 代码复现以及搭载服务器运行
Lightismore的博客
05-31 5487
文章目录前言一、YOLO简介二、代码下载三、数据集准备四、配置文件的修改1.data下的yaml2.models下的yaml3.训练train五、搭载服务器训练1.上传数据2.租服务器3.pycharm连接服务器1.添加ssh2.输入密码3.配置服务器环境路径跟代码映射路径4.解压数据5.开始训练6.文件下载到本地六、测试总结 前言 在前面文章中提到，目标检测有两种方式，一种是one_stage（单阶段）如YOLO 一种是two_stage（双阶段）如Faster_Rcnn，Mask_Rcnn。之前介绍了
【yolov5】 开源代码复现（pytorch）目标检测入门
qq_39972370的博客
10-08 773
目标检测入门实战， 包括YOLOv5项目环境配置以及如何用yolov5进行检测
【目标检测】Windows11+Anaconda3+PyCharm+Python3.8+PyTorch1.10.0+CUDA10.2环境配置和YOLOx部署
KayViolet的博客
11-21 5952
0 前言 由于YOLOx是基于Linux系统编写的代码，如果要跑通demo.py，需要对代码进行修改。 在论坛上看了一圈，记录Windows系统的很少，所以有了这篇文章。 本文为Windows部署YOLOx的踩坑记录，本文将详细介绍跑通demo的过程和个人遇到的所有报错。 1 准备工作 1.1 必要环境 Windows+Anaconda+PyCharm+Python 1.1.1 Anaconda创建新环境（Python3.8） 在Anaconda Prompt终端输入如下代码创建新的虚拟环境。 conda
Pytorch1.10+CUDA10.2+cudnn安装成功之路
上官土匪
12-07 8303
最近跑别人论文里的代码，要用到BERT模型，但是本人没有.深度学习神经网络方面的基础，刚开始模型什么都看不懂，后来看一点神经网络的一些基础知识点，也没看完就看不下去了，急着想把代码跑一跑，然后就死在第一步了，安装环境！首先说下我的情况，我的代码里本来有import torch，我刚开始不知道这个torch是什么，就以为普通的包，就直接在pycharm引入，果不其然失败了，我就去网上搜了一个下载方式，后来我才知道我下载的是cpu版本的pytorch 1.10。本以为下载好了，我就去运行代码了，结果预训练也需要
在ubuntu下安装cuda+cudnn+anaconda3+pytorch+pycharm流程
04-03
在双系统ubuntu20.04下安装cuda+cudnn+anaconda3+pytorch+pycharm的详细流程，包括安装时各个环节应注意的事项。
Ubuntu20.04安装Pytorch：Anaconda3+Pycharm+Pytorch+CUDA
weixin_44576493的博客
03-09 5437
一、安装显卡驱动 1.禁用nouveau 终端输入命令： sudo gedit /etc/modprobe.d/blacklist.conf 在文件末尾添加： blacklist nouveau options nouveau modeset=0 终端输入命令： sudo update-initramfs -u 查看否成功禁用了开源驱动： lsmod | grep nouveau 若屏幕没有输出，则禁用成功。 2.安装驱动 nvidia-smi 如果无法查看，就说
基于YOLO的人脸检测和人脸计数复现代码及过程.rar
06-23
Yolov5代码实现 修改和训练过程 及结果，课程设计
YOLOv5(PyTorch)目标检测：原理与源码解析
07-01
【为什么要学习这门课】 Linux创始人Linus Torvalds有一句名言：Talk is cheap. Show me the code. 冗谈不够，放码过来！代码阅读是从基础到提高的必由之路。 YOLOv5是最近推出的轻量且高性能的实时目标检测方法。YOLOv5使用PyTorch实现，含有很多业界前沿和常用的技巧，可以作为很好的代码阅读案例，让我们深入探究其实现原理，其中不少知识点的代码可以作为相关项目的借鉴。 【课程内容与收获】 本课程将详细解析YOLOv5的实现原理和源码，对关键代码使用PyCharm的debug模式逐行分析解读。 本课程将提供注释后的YOLOv5的源码程序文件。   【相关课程】 本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括： 《YOLOv5(PyTorch)目标检测实战：训练自己的数据集》 Ubuntu系统 https://edu.csdn.net/course/detail/30793 Windows系统 https://edu.csdn.net/course/detail/30923 《YOL
【YOLO V5】代码复现过程
向上生长的程序媛的博客
02-17 2764
接上篇，讲到如何从mask转成YOLOv5训练需要的txt数据集格式，这篇就在此基础上进行模型训练预测和部署转换吧！
复现yolov5CPP经验贴
wxy2020915的博客
01-09 731
复现yolov5CPP经验贴
10min复现yolov5官方源码
m0_52641167的博客
06-22 799
《学习笔记》由于最近在弄模型部署到移动端的事情，所以需要训练最新版本（6.1）的权重，于是我开始使用最新版的yolov5去训练自己的模型，当然最先开始用的是给的coco数据集。跳了两个bug，完美解决默认你已经会配置环境啦(这一部分其实还包括在windows7上配置环境，当时走了很多坑)，cuda=11.0 python=3.7 torch=1.7.1 torchvision=0.8.2网站贴上，下载zip，解压到桌面 进入如下网站，下载官方权重，我下载的yolov5s（下载哪个权重就是使用哪个模型训练。.
神经网络复现之Pytorch-yolov5
UHL1107的博客
04-25 479
YOLOv5训练自己的数据集（超详细完整版） YOLOv5 实现目标检测（训练自己的数据集实现猫猫识别）
yolov5解读，训练，复现
weixin_51261985的博客
03-28 2116
正文之前： 提一下rectangularup主解释了一下，这是yolov5中为了加快模型训练而采取的一种策略在原来的训练数据过程中，由于每张图片宽和高不相同，而我们会将每张图片shape到一个固定的大小，这样一来，不同尺寸的图片就可以丢到同一个batch中进行训练了。但是有些图片进行resize后会出现黑边，这种黑边会影响我们训练和预测的速度。
yolov5复现及问题解决
weixin_48345739的博客
09-04 819
去Tags6里面的model/common.py里面去找到这个SPPF的类,把它拷过来到你这个Tags5的model/common.py里面,这样你的代码就也有这个类了,还要引入一个warnings包就行了,如下所示，可以直接复制。于是，我们不如用v5.0替换v7.0后，直接打开官网https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5s.pt下载咯。首先，这只是个用户警告，不是错误，不用管它，依然可以运行。
评论 7
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