2020-10-09_跑一跑yolov5

最新推荐文章于 2024-04-27 13:04:50 发布

心如坚石

最新推荐文章于 2024-04-27 13:04:50 发布

阅读量574

点赞数

分类专栏：深度学习文章标签：深度学习

本文链接：https://blog.csdn.net/qq_32740315/article/details/108979122

版权

深度学习专栏收录该内容

5 篇文章 0 订阅

订阅专栏

背景

每次必须介绍背景，这次为啥突然要跑yolo5呢？主要使用海康威视的红外相机进行行人与目标检测。为什么用yolov5呢，主要是因为我之前使用SVM+HOG检测的效果很不理想，所以就想试一试深度学习的方法。

环境搭建

这次搭建环境，我发现了一个之前的问题，之前我以为CUDA和CUDnn必须直接安装。实际上直接在anaconda3上使用虚拟环境搭建就可以，好吧，言归正传直接说明如何搭建。
在之前的使用tensorflow的过程中，我为了安装tensorflow-gpu版本，安装了CUDA10.0，但是yolov5版本对环境上要求如下所示：

# base ----------------------------------------
Cython
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.2
pillow
PyYAML>=5.3
scipy>=1.4.1
tensorboard>=2.2
torch>=1.6.0
torchvision>=0.7.0
tqdm>=4.41.0

# coco ----------------------------------------
# pycocotools>=2.0

# export --------------------------------------
# packaging  # for coremltools
# coremltools==4.0b4
# onnx>=1.7.0
# scikit-learn==0.19.2  # for coreml quantization

# extras --------------------------------------
# thop  # FLOPS computation
# seaborn  # plotting

所以必须安装CUDA10.2版本,因为Torch1.6版本对应的才是CUDA10.2。

第一步创建虚拟环境pytorch_gpu
conda create -n pytorch_gpu python==3.8
第二步，查看目前拥有的虚拟环境
conda info -e
第三步，进入虚拟环境
conda activate pytorch_gpu
第四步，安装CUDA10.2
conda install cudatoolkit=10.2 -n pytorch_gpu -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
第五步，安装与CUDA相对应的cudnn7.6.5
conda install cudnn=7.6.5 -n pytorch_gpu -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/
第六步，安装pytorch
conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
因为太慢了，添加源来加快速度

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

第七步，安装其他各种包
主要提一下安装opencv

conda install -c https://conda.anaconda.org/menpo opencv
或者
pip3 install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple/

开始测试

一定要在pytorch_gpu的环境下运行
python detect.py --source ./inference/images/ --weights yolov5s.pt --conf 0.4
可以在/home/demon/CLionProjects/yolov5-master/inference/output这里面看到输出图片检测的结果。
这里面的0.4表示的是置信度，yolov5s.pt表示是权重文件，./inference/images/表示的是检测结果的输出路径。

此外我还用b站上的一个视频进行了检测。