一、yolov5的安装
软硬件环境:
- win10
- miniconda with 3.8.3
- nivdia gtx940mx
- cuda10.1 cudnn7.6.5
- pytorch1.6.0 torchversion 0.7.0(参考requirement.txt要求)
pycocotools 2.0
miniconda 安装
Miniconda3-py38_4.8.2-Windows-x86_64.exe 直接自动添加环境变量 安装GPU版本的torch需要先升级nvdia的图形处理驱动451.67-notebook-win10-64bit-international-dch-whql.exe
conda和pip是包管理器可以安装包
更换国内源
pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
参考这里更换pip国内源
更换conda国内源参考这个
pytorch安装
使用conda安装,需要搜索conda中pytorch所在的源,不同于通用的源。
pycocotool安装
最新版本不在需要安装pycocotools。
参考这篇文章~~
需要vs的库 此外还需要装BuildTools_Full.exe和visualcppbuildtools_full.exe
二、测试yolov5
1.视频,图片
用自带的模型
代码如下(示例):
$ python detect.py --data coco128.yaml --cfg yolov5s.yaml --weight 'weight/yolov5s.pt'
三、制作训练自己的数据集
参考:
YOLOv5的预训练模型是基于 COCO 数据集,如果自己想去复现下训练过程,可以依照下面的命令
$ python train.py --data coco.yaml --cfg yolov5s.yaml --weights '' --batch-size 64
yolov5m 48
yolov5l 32
yolov5x 16
制作自己的训练数据
如果没有对应目标的公开数据集,那就只有自己出手收集了,图片到手后,接下来就是艰辛的打标签工作了,这里使用工具LabelImg
参考这里