Yolov5使用小记

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