直接下载yolov5模型训练检测
台式机型号:
lspci | grep -i vga
# 显卡是GeForce GTX 1060 6GB
1. 创建虚拟环境
conda create -n YOLOv5 python=3.8 -y
2. 安装Pytorch+torchvision( Previous PyTorch Versions | PyTorch)
对应自己电脑的cuda版本选择(用nvcc -V查看)
# CUDA 10.2
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=10.2 -c pytorch
3. 下载工程文件GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite
4. 安装环境依赖
# 因为前面已经安装了pytorch+torchvision所以运行下面命令前,
# 将requirements.txt文件里的这两个的安装命令注释掉
# torch>=1.7.0,!=1.12.0 # https://github.com/ultralytics/yolov5/issues/8395
# torchvision>=0.8.1,!=0.13.0 # https://github.com/ultralytics/yolov5/issues/8395
conda activate YOLOv5
pip install -r requirements.txt
5.直接测试(模型下载(对应好版本):Releases · ultralytics/yolov5 · GitHub)
python detect.py --weight weights/yolov5s.pt
可见,直接测试的结果并不好,下面进行训练后再测试,可以进行对比.......
6. 检测自己任意的图片
python detect.py --weight weights/yolov5s.pt --source data/images/000001.jpg
7. 检测视频
python detect.py --weight weights/yolov5s.pt --source inference/images/1.mp4
8. 训练
上面的检测结果不太好,重新训练300轮
python train.py --img 640 --batch 16 --epochs 300 --data coco128.yaml --weight weights/yolov5s.pt
可能会遇到的问题:
1、AttributeError:module ‘distutils‘ has no attribute ‘version
解决:https://blog.csdn.net/qq_36944952/article/details/124683408
2、AttributeError: Can’t get attribute ‘C3’ on <module ‘models.common’ from ‘/root/deepstream_yolov5/yolov5/models/common.py’>
解决:https://blog.csdn.net/iamjingong/article/details/116790865
3、ModuleNotFoundError: No module named ‘_distutils_hack‘
解决:https://blog.csdn.net/qq_45040216/article/details/125119982
4.RuntimeError: a view of a leaf Variable that requires grad is being used in an in-place
解决:https://blog.csdn.net/qq_27149279/article/details/120350518
5.TypeError:can‘t convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy
解决:https://blog.csdn.net/renkke/article/details/125298464
①检测
python detect.py --weight runs/exp9/weights/best.pt
②测试
python test.py --weight runs/exp9/weights/best.pt
训练及检测yolov5_v5.0
一、训练过程同:详细实现yolov5测试丶自己数据集训练测试丶Tensorrt加速优化(完 结 !)
结果:
检测:
二、训练自己的数据集:
检测:
结果:
TensorRT部署yolov5_v5.0
实现过程可参考:Jetson AGX Orin上部署YOLOv5_v5.0+TensorRT8
一、根据自己电脑版本安装tensorrt版本
我的是cuda10.2+cudnn8.3.0,所以安装的TensorRT7.0.0.11(安装过程可参考)
二、解压tensorrtx-yolov5-v5.0.zip
三、修改tensorrtx_yolov5-v5.0/yolov5/CMakeLists.txt,在其中加入TensorRT路径
include_directories(/home/lh/TensorRT-7.0.0.11/include/)
四、进行如下操作
cd tensorrtx_yolov5-v5.0/yolov5/
conda activate yolov5
mkdir build
cd build
cmake ..
make
这个过程中可能会遇到的问题,请参考:编译遇到的问题_beautifulback的博客-CSDN博客
成功生成yolov5执行文件
五、将yolov5s.wts文件复制到该build文件夹下,生成引擎文件并检测:
sudo ./yolov5 -s yolov5s.wts yolov5s.engine s
sudo ./yolov5 -d yolov5s.engine ../samples