如何跑通深度学习模型（一yolo5v6.2为例）

1.使用github下载此版本模型ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite (github.com)

2.使用本地GPU进行配置

设置好解释器后，在终端运行：pip install -r requirements.txt

安装需要的包

2.1导入需要识别的数据图片or视频

2.2.根据需要，在detect.py文件下，修改需要的模型、检测数据、数据集

 

2.3.还可以根据需要，在解释器的参数选项，输入需要开启的参数配置

 

 3.使用Google colab云端服务器进行训练模型

Untitled0.ipynb - Colaboratory (google.com)

3.1上传yolov5 6.2的压缩文件（注意文件不要过大）

3.2更改执行为gpu训练模型

 

3.3 依次输入如下指令：

#解压文件

!unzip /content/yolov5-6.2.zip -d /content/yolov5

#进入文件路径

%cd /content/yolov5/yolov5-6.2

#安装需要的包

!pip install -r requirements.txt

#加载tensorboard

%load_ext tensorboard

#指定训练的模型存储位置

%tensorboard --logdir=runs/train

#运行训练数据集

python train.py --rect

3.4 可以将训练好的模型，下载并导入pycharm中，用于测试模型准确度

4.自己制作数据集

4.1打开makesense平台

4.2选择数据集类型

 

4.3上传标签文本文件

 4.4可以使用训练好的模型进行数据智能标注

 4.5导出标注好的数据集

4.6生成好的标注文件

 4.7根据需要创建好数据集文件夹

 

 

 4.8创建自己的数据集，并修改数据集路径和标签信息

4.9 根据标签顺序确认标签的0 1 2数字

 4.10根据需要，使得pycharm不去检索数据集，节约时间