yoloV5的使用

---

一、yolov5的安装

软硬件环境：

1. win10
2. miniconda with 3.8.3
3. nivdia gtx940mx
4. cuda10.1 cudnn7.6.5
5. pytorch1.6.0 torchversion 0.7.0（参考requirement.txt要求）
6. 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