YOLOV5——垃圾分类

准备代码

下载代码：

去githup上下载源代码，下面是具体的yolov5网址

https://github.com/ultralytics/yolov5 

配python环境

方法1：按照下载工程中的requirements.txt文件去安装

弊端：下载的将会是最新的包，可能会与项目发布时间所包互不兼容

方法2：按照项目发布时间去安装包

安装python虚拟环境

conda create -n yolov5 python==3.8

进虚拟环境

conda activate yolov5

安装torch、cuda

torch官网历史版本：https://pytorch.org/get-started/previous-versions/

由下图可知，该服务器版本最高可支持cuda版本11.8

选取中间的11.3

pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113

测试torch

(yolov5) universe@universe:/data1/student/yolov5-master$ python Python 3.8.0 (default, Nov 6 2019, 21:49:08) [GCC 7.3.0] :: Anaconda, Inc. on linux Type "help", "copyright", "credits" or "license" for more information. >>> import torch >>> torch.cuda.is_available() True

安装opencv

pip install opencv-python==4.1.2.30

其它包

pip install gitpython==3.1.30 pandas==1.1.4 PyYAML==5.3.1 tpdm==4.64.0

源代码调试

官方训练及其结果

训练不同yolov5结果，YOLOv5n/s/m/l/x 在 V100 GPU 上的训练时间为 1/2/4/6/8 天（参数量不同，计算量变多，前向传播求损失函数，反向传播求梯度，然后进行梯度更新）（多 GPU 快几倍）。使用尽可能大的 --batch-size，或为 YOLOv5 AutoBatch 传递 --batch-size -1（显存决定）。显示的 V100-16GB 的批处理大小。

调试自己数据集

运行train.py下载coco数据集

换数据集调试

终端远程输送图片

打开两个终端，分别连上所在的服务器

图片位置