【yolov5】 开源代码复现(pytorch)目标检测入门

目录

环境配置

用yolov5进行预测

训练yolov5模型

环境配置

注意:本文使用yolov5的5.0版本进行演示

github上搜索yolov,选择5.0版本进行下载

解压后用pycharm打开,设置pytorch解释器

pycharm提示缺文件,点击安装

或者在终端里安装:pip install -r requirements.txt

(1)如果作者提供requirments.txt 文件∶

        可以利用PyCharm自带的智能提示进行安装

        或者利用pip install -r requirements.txt 指令进行安装

(2)如果作者没有提供requirments.txt文件:

        根据运行报错信息,百度,手动安装缺少的库

提示安装pycocotools报错的话,可以看下面这篇文章

Failed to build pycocotoolsERROR: Could not build wheels for pycocotools which use PEP 517 and cann_zhangfenger的博客-CSDN博客

将两个文件放到文件夹Anaconda3\envs\pytorch\Lib\site-packages下面

拷贝完后重新执行安装命令:pip install pycocotools -i https://pypi.tuna.tsinghua.edu.cn/simple

即可安装成功。

用yolov5进行预测

在使用代码前可以看看readme文档的介绍

运行detect.py文件,里面有main函数

下载文件报错,直接点进链接下载(慢的话,可以复制到迅雷下载)

运行还是报错,因为我的yolov是5.0版本,上面链接下载的yolov5s.pt不是5.0版本的,所以不匹配

重新用下面这个链接下载

https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5s.pt

运行后还是报错

出现报错AttributeError: Cant get attribute SPPF on module models

解决方案

找到model/common.py文件

发现没有SPPF这个类,把下面代码直接复制到common.py里面即可,记得把import warnings放在最上面

import warnings
class SPPF(nn.Module):
    def __init__(self, c1, c2, k=5):
        super().__init__()
        c_ = c1 // 2
        self.cv1 = Conv(c1, c_, 1, 1)
        self.cv2 = Conv(c_ * 4, c2, 1, 1)
        self.m = nn.MaxPool2d(kernel_size=k, stride=1, padding=k // 2)
 
    def forward(self, x):
        x = self.cv1(x)
        with warnings.catch_warnings():
            warnings.simplefilter('ignore')
            y1 = self.m(x)
            y2 = self.m(y1)
            return self.cv2(torch.cat([x, y1, y2, self.m(y2)], 1))

再次运行detect.py文件,不再报错

查看运行结果

显示人的概率0.88,bus的概率0.80

训练yolov5模型

找到train.py里面的参数

其中workers参数表示进程数 

运行train.py代码,显示下载coco128数据集报错

复制链接到迅雷下载,解压后放到和yolov5同一级目录下

运行后显示一些信息

训练的第一轮

训练结果保存在了这个文件夹下

  • 3
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
复现Yolov7代码,你可以按照以下步骤进行操作: 1. 首先,你需要下载Yolov7的源码。你可以在GitHub上找到源码的位置:https://github.com/WongKinYiu/yolov7。你可以直接下载并解压,或者使用git进行复制:'git clone https://gitee.com/YFwinston/yolov7.git'。 2. 创建一个虚拟环境,以便在其中安装和运行Yolov7。你可以使用Anaconda来创建虚拟环境。通过运行以下命令来创建一个名为Yolo的虚拟环境:conda create -n Yolo python=3.7。 3. 激活虚拟环境。运行以下命令来激活Yolo虚拟环境:conda activate Yolo。 4. 在虚拟环境中安装所需的包。运行以下命令来安装必要的包:pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple。请注意,你需要确保CUDA和PyTorch的版本对应正确,否则可能会导致错误。你可以在PyTorch官方网站上找到之前版本的PyTorch和对应的CUDA版本:https://pytorch.org/previous-versions/。 5. 下载Yolov7的权重文件。你可以在源码的README文件中找到对应的权重下载链接。将权重文件下载并放在weights文件夹下。 6. 运行detect.py脚本进行推理。你可以选择一张图片进行推理,并将可视化结果保存在runs/detect中。确保验证图片的路径正确。运行以下命令来进行推理:python detect.py --weights weights/yolov7.pt --conf 0.25 --img-size 640 --source data/bdd100k/images/val/b1c66a42-6f7d68ca/b1c66a42-6f7d68ca-0000001.jpg。 完成以上步骤后,你就成功复现Yolov7代码
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值