基本配置
电脑:thinkstation p720
显卡:gtx 3080
系统:ubuntu 18.04
驱动:nvidia 455
CUDA:11.1
安装过程
结合README.md以及自己遇到的问题总结。
// 命令行
//下载最新源码
git clone https://github.com/ultralytics/yolov5.git
//安装所需依赖
pip3 install -r requirements.txt
git下载慢的话,可以考虑使用gitee导入仓库然后下载。
pip下载慢的话,可以考虑换pip的下载源。
通过下面的测试如果发现pytorch不支持当前显卡算力的情况下,比如我这里3080是sm_86,提示没有符合的情况,可去pytorch官网:https://pytorch.org,下载安装最新的pytorch。这里我选择的是stable->Linux->pip->python->11.0(当前最新)。根据命令提示安装。
测试
// 自带图片测试(默认下载yolov5s.pt,太慢可考虑用其他下载器下载)
python3 detect.py --source data/images --weights yolov5s.pt --conf 0.25
//训练官方数据集(batch-size为16的倍数,3080选40显存占用8G-9G)
python3 train.py --data data/coco.yaml --cfg yolov5s.yaml --weights '' --batch-size 40
官方数据集在最新的yolov5版本中的coco.yaml中默认下载,或者执行data/scripts/get_coco.sh,可下载数据集。如果下载慢,可从终端输出或者文件中推出下载链接,用其他合适的下载器下载,再解压到相应位置,在coco.yaml对一些路径进行修改。以下为该文件内容:
#!/bin/bash
# COCO 2017 dataset http://cocodataset.org
# Download command: bash data/scripts/get_coco.sh
# Train command: python train.py --data coco.yaml
# Default dataset location is next to /yolov5:
# /parent_folder
# /coco
# /yolov5
# Download/unzip labels
d='../' # unzip directory
url=https://github.com/ultralytics/yolov5/releases/download/v1.0/
f='coco2017labels.zip' # 68 MB
echo 'Downloading' $url$f ' ...' && curl -L $url$f -o $f && unzip -q $f -d $d && rm $f # download, unzip, remove
# Download/unzip images
d='../coco/images' # unzip directory
url=http://images.cocodataset.org/zips/
f1='train2017.zip' # 19G, 118k images
f2='val2017.zip' # 1G, 5k images
f3='test2017.zip' # 7G, 41k images (optional)
for f in $f1 $f2; do
echo 'Downloading' $url$f ' ...' && curl -L $url$f -o $f && unzip -q $f -d $d && rm $f # download, unzip, remove
done