Yolov5部署成为Python接口 当然是用flask实现啦~ yolo5写成接口

一、在此之前你是不是要先把yolov5跑通？

yolov5的环境特别简单，建议在Ubuntu18.04下面部署，一次成型，省去很多麻烦。

• Ubuntu18.04
• RTX2080
• CUDA10.0
• CUDNN7.4.1
• Torch1.3.1GPU
• torchvision0.4.2
• Python 3.6.5

项目地址：https://gitee.com/situyufeng/yolov5.git

github太慢了 我把他迁到了gitee上面

装好Torch以后呢，记得修改pip为清华源，然后修改requirements.txt里面关于cocoapi的部分。

第13行：

git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI

换成：

git+https://gitee.com/situyufeng/cocoapi.git#subdirectory=PythonAPI

然后

pip install -r requirements.txt

至此所有跑通yolov5的准备工作已经结束了

权重的话不要担心，文末我上传了整个项目，希望可以换点积分。

对了，运行下面这个命令的话是可以跑通的~

python detect.py --source ./inference/images/ --weights yolov5s.pt --conf 0.4

yolov5最方便的地方就是用Python写的，不需要编译，不需要编译，不需要编译！

二、开始搭建flask接口！

第一件事就是安装flask

pip install flask

接下来接口的主要函数文件都是基于detect.py，本来想做成yolov3那种项目和配置，奈何能力有限，读取权重的时候无法生成model。说到这里，yolov4我也尝试过做成flask接口，这里OpenCV拖了后腿，最新OpenCV不支持yolo4里面的mish函数，所以没有办法读取整个模型，可能是因为太新了不兼容。

打开detect.py复制一份，改成yolo5.py

因为我改动的部分实在是太多了，这里只能简要说一下了，具体的修改见我上传的代码。

part1 detect.py就是核心推断函数，只不过传参使用命令行的方式传进去的，
但是所有的参数并不是每一个都需要修改，常用的也就是图片路径
（这里需要夸赞U神单张批量和视频都写到一个函数里面了，当初改yolov3的时候简直麻烦到天上去了），
剩下的参数写成默认参数就可以了：
def detect( save_img=False,
            o_weights = "weights/yolov5s.pt",
            o_source = "inference/images",
            o_output = "inference/output",
            o_img_size