本文章跟着这个UP主搭建安装环境:你可是处女座啊
一、安装环境
1.1miniconda环境安装:
下 载 地 址 :https://mirrors.tuna.tsinghua.edu/cn/anaconda/miniconda/
- 选择py38-22.11安装,安装在C盘,安装时勾选将conda添加到系统变量;
- 打开anaconda prompt;会出现一个base的环境;创建一个base的环境:conda create -n yolov5 python=3.8 回车后等待下载包,然后激活环境:conda activate yolov5 。可以用pip list指令查看安装的包
- 配置清华源。打开网站:https://mirrors.tuna.tsinqhua.edu/cn/help/pypi/ ,复制 pip config set global. index—url https://pypi. tuna. tsinghua. edu. cn/simple 指令,在conda中粘贴,并执行;
- 安装pytorch。Pytorch · 官 方 地 址 : https://pytorch.org/ 。查看cuda版本(笔者是3060ti,最高支持12.0),选择长期可支持稳定运行的v1.8.2 with LTS support版本。复制:pip3 install torch1.8.2 torchvision0.9.2 torchaudio==0.8.2 --extra-index-url https://download.pytorch.org/whl/lts/1.8/cu111 ,在conda中粘贴并执行;
- 下载yolov5。Github 地 址:https://github.com/ultralytics/yolov5 ,下载yolov7.0。打开requirement.txt,修改如下几项:
1)numpy1.20.3
2)Pillow8.3.0
3)注释掉torch 和 torchvision 两项;
cmd进到yolo文件夹路径下,激活yolov5:conda activate yolov5 ; 再安装requirement.txt里面的环境:pip install -r requirement.txt
6.进行检测:conda中输入:python detect.py 即可查看推理结果。
二、yolov5模型检测
2.1关键参数
1)weight:训练好的模型
在pycharm的终端里查看不同模型的检测效果,输入指令:python detect.py --weights yolov5s.pt 。还可以对不同的源进行检测(如屏幕),指令:python detect.py --weights yolov5s.pt --source screen ;视频文件:–source BVN.mp4 ;实时显示:–view-img;(ctrl+C停止视频文件推理训练)
2)conf-thres:置信度阈值,默认为0.25
3)IOU-thres:非极大值抑制的IoU阈值,默认为0.45
三、数据集构建
3.1标注软件:labelimg,segmentanything等;
3.2数据集:训练集,验证集,测试集(8:1:1)
3.3新建Datasets文件夹:包括images,labels。通过labelimg标注。在data文件夹下新建一个yaml文件,修改yaml里面的path,train,val路径,和class;最后到train.py里修改data参数下的yaml文件名,即可开始训练。训练的模型在weight路径下
TensorRT 环 境 安 装 与 配 置 ·
CUDA: 11.6.0 https://developer.nvidia.com/cuda-11-6-0-download-archive
CUDNN: 8.6.0.163 https://developer.nvidia.com/rdp/cudnn-archive
TensorRT:8.5.3.1 https://developer.nvidia.com/nvidia-tensorrt-down load pi p install tensorrt-8.5.3.1
zlibwapi.dll http://www.winimaqe.com/zLibDll/
模 型 导 出 · python export.py --weights y010v5s.pt --include engine --device 0