手把手教你运行YOLOv6(小白成功版)

实现过程参考:

环境安装 — YOLOv6_docs 文档

开源项目:GitHub - meituan/YOLOv6: YOLOv6: a single-stage object detection framework dedicated to industrial applications.

环境安装 

  1. 创建并激活一个conda环境

conda create -n yolov6 python=3.8

conda activate yolov6

  1. 安装pytorch

conda

# CUDA 10.2(我用的这个)
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 -c pytorch

# CUDA 11.1
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

# CPU Only
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cpuonly -c pytorch

wheel

# CUDA 11.1
pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

# CUDA 10.2(我用的这个)
pip install torch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0

# CPU only
pip install torch==1.8.0+cpu torchvision==0.9.0+cpu torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

安装YOLOv6

git clone https://github.com/meituan/YOLOv6
cd YOLOv6
pip install -r requirements.txt

验证安装

  1. 下载权重文件
    1. 从官方 YOLOv6 Github 仓库中下载最新的模型权重;
    2. 使用 wget 下载(注意下载链接需要更新到最新的版本号,确认是最近发布的模型)
pip install wget
# 注意确认以下链接中的版本号是否为最新(这点很重要,官网教程是0.3.0,但我用的时候已经是0.4.0,改了就没有报错!)
#wget https://github.com/meituan/YOLOv6/releases/download/0.3.0/yolov6n.pt(官网教程的)
wget https://github.com/meituan/YOLOv6/releases/download/0.4.0/yolov6n.pt
mkdir weights
mv yolov6n.pt weights/yolov6n.pt

我安装的时候是4.0,从这里看:Releases · meituan/YOLOv6 · GitHub

  1. 推理验证
python tools/infer.py --weights weights/yolov6n.pt --source data/images/

# 可选参数
# --device 0         *使用的计算资源,包括cuda, cpu等,默认为0
# --name exp         *用于指定source图像推理结果可视化的保存文件夹                       
# --view-img          *使用该参数表示在屏幕上显示检测结果,默认为False
# --conf_thres 0.4    *置信度阈值,默认为0.4

就实现啦!

 

 

 

  • 1
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
当然可以!下面是手把手你配置Yolov5的步骤: 1. 安装Python环境:首先确保你的电脑上已经安装了Python环境。你可以从Python官方网站下载并安装最新本的Python。 2. 克隆Yolov5仓库:打开终端或命令提示符,使用以下命令克隆Yolov5的GitHub仓库: ``` git clone https://github.com/ultralytics/yolov5.git ``` 3. 安装依赖库:进入克隆下来的yolov5目录,执行以下命令安装所需的依赖库: ``` cd yolov5 pip install -r requirements.txt ``` 4. 准备数据集:将你的训练数据集准备好,并按照Yolov5的要求进行标注。确保你的数据集包含图像和相应的标签文件。 5. 配置模型:在yolov5目录下,打开`yolov5/models`文件夹,选择一个适合你的任务的模型配置文件,比如`yolov5s.yaml`。你可以根据需要修改配置文件中的参数,如网络结构、输入图像大小、类别数等。 6. 训练模型:使用以下命令开始训练模型: ``` python train.py --img 640 --batch 16 --epochs 100 --data your_data.yaml --cfg models/yolov5s.yaml --weights '' --name your_model_name ``` 其中,`--img`指定输入图像的大小,`--batch`指定批量大小,`--epochs`指定训练轮数,`--data`指定数据集的配置文件,`--cfg`指定模型的配置文件,`--weights`指定预训练权重文件(可选),`--name`指定训练过程中保存模型的名称。 7. 测试模型:训练完成后,你可以使用以下命令对模型进行测试: ``` python detect.py --source your_test_images --weights runs/train/your_model_name/weights/best.pt --conf 0.4 ``` 其中,`--source`指定测试图像的路径,`--weights`指定训练得到的模型权重文件,`--conf`指定置信度阈值。 以上就是手把手你配置Yolov5的步骤。祝你成功!如果还有其他问题,请随时提问。

“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 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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