Ubuntu20.04部署yolov5目标检测算法，无人车/无人机应用

已于 2023-12-22 13:39:57 修改
阅读量1.6w 收藏 328
点赞数 66
分类专栏： 目标检测 文章标签： 目标检测 人工智能 计算机视觉 yolov5 rk3588 ubuntu 机器人
于 2022-07-17 15:56:08 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42257666/article/details/125303980
版权

在这里插入图片描述

在FireFly RK3588开发板上烧录了Ubuntu20.04系统，在此基础上线部署下简单的Python版本yolov5代码，目前博主已全部转为C++版本了，并且转化了pt模型为rknn模型，调用npu进行推理，置信度和速度都比原先Python代码好很多。本篇主要介绍如何部署和运行yolov5官方的目标检测代码。

🍉1、安装anaconda

Anaconda是流行的Python/R数据科学和机器学习平台，用于大规模数据处理，预测分析和科学计算。Anaconda附带了250个开源数据包，并且可以从Anaconda存储库中安装超过7500个其他包。 它还包括conda命令行工具和称为Anaconda Navigator的桌面图形用户界面。

1、进入Anaconda官网，下载安装包，注意文件后缀是你的系统架构，比如x86、amd64或者aarch64，可以通过下面命令查看。

在这里插入图片描述

2、cd到你的下载目录，然后bash Anaconda3-2022.05-Linux-aarch64.sh，进行安装，会看到以下画面：

Welcome to Anaconda3 2022.05

In order to continue the installation process, please review the license
agreement.
Please, press ENTER to continue
最低0.47元/天 解锁文章
振华OPPO
关注
  • 66
    点赞
  • 踩
  • 328
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 67
    评论
专栏目录
Ubuntu20.04配置深度学习+yolov5+yolov7环境
nonobodyyy的博客
04-29 1249
若提示没有该模块，回去检查吧，哪步有问题，再重新开始执行；这时不区分不影响anaconda的正常使用，但pytorch和tensorflow对这Linux中自带的python3和anaconda中的python的使用需求不同，后期需要进行两者的切换。在“四、pytorch-cpu安装”中已经展示了如何安装pytorch-cpu版本了，这可以让你在不使用gpu时也能对代码进行调试验证，也就是import torch是可以正常导入的，但torch.cuda.is_available()会返回False。
Ubuntu20.04部署YOLOv5
周同学的博客
04-21 8769
Ubuntu20.04部署YOLOv5
【北京迅为】《iTOP-3588从零搭建ubuntu环境手册》-第3章 Ubuntu20.04系统设置
最新发布
BeiJingXunWei的博客
05-10 733
RK3588是一款低功耗、高性能的处理器，适用于基于arm的PC和Edge计算设备、个人移动互联网设备等数字多媒体应用，RK3588支持8K视频编解码，内置GPU可以完全兼容OpenGLES 1.1、2.0和3.2。RK3588引入了新一代完全基于硬件的最大4800万像素ISP，内置NPU，支持INT4/INT8/INT16/FP16混合运算能力，支持安卓12和、Debian11、Build root、Ubuntu20和22版本登系统。了解更多信息可点击【粉丝群】824412014。
【旭日x3派】部署官方yolov5全流程
海风的博客
03-11 2933
原文参考：https://blog.csdn.net/Zhaoxi_Li/article/details/125516265这次部署的过程在windows下进行，深度学习环境和docker都是安装在windows中。系统：win10简单来说就是一块性能拉跨点的笔记本电脑，可以直接插入鼠标、键盘、显示屏，当作电脑使用。这使得可以部署深度学习算法到这块板子上。
YOLOv5实战训练自己的数据集(Windows和Ubuntu演示)
06-21
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而高性能，更加灵活和易用，当前非常流行。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。  本课程的YOLOv5使用ultralytics/yolov5，在Windows和Ubuntu系统上分别做项目演示。包括：安装YOLOv5、标注自己的数据集、准备自己的数据集（自动划分训练集和验证集）、修改配置文件、使用wandb训练可视化工具、训练自己的数据集、测试训练出的网络模型和性能统计。 除本课程《YOLOv5实战训练自己的数据集(Windows和Ubuntu演示)》外，本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括：《YOLOv5(PyTorch)目标检测：原理与源码解析》课程链接：https://edu.csdn.net/course/detail/31428《YOLOv5目标检测实战：Flask Web部署》课程链接：https://edu.csdn.net/course/detail/31087《YOLOv5(PyTorch)目标检测实战：TensorRT加速部署》课程链接：https://edu.csdn.net/course/detail/32303《YOLOv5目标检测实战：Jetson Nano部署》课程链接：https://edu.csdn.net/course/detail/32451《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接：https://edu.csdn.net/course/detail/32669《YOLOv5实战口罩佩戴检测》课程链接：https://edu.csdn.net/course/detail/32744《YOLOv5实战中国交通标志识别》课程链接：https://edu.csdn.net/course/detail/35209 《YOLOv5实战垃圾分类目标检测》课程链接：https://edu.csdn.net/course/detail/35284  
YOLOv5(PyTorch)实战：训练自己的数据集(Ubuntu)
10-08
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高，更加灵活和易用，当前非常流行。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。 本课程的YOLOv5使用ultralytics/yolov5，在Ubuntu系统上做项目演示。包括：安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型和性能统计。 希望学习在Windows系统上演示的学员，请前往《YOLOv5(PyTorch)实战：训练自己的数据集(Windows)》课程链接：https://edu.csdn.net/course/detail/30923本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括：《YOLOv5(PyTorch)目标检测实战：训练自己的数据集》Ubuntu系统 https://edu.csdn.net/course/detail/30793Windows系统 https://edu.csdn.net/course/detail/30923《YOLOv5(PyTorch)目标检测：原理与源码解析》课程链接：https://edu.csdn.net/course/detail/31428《YOLOv5目标检测实战：Flask Web部署》课程链接：https://edu.csdn.net/course/detail/31087《YOLOv5(PyTorch)目标检测实战：TensorRT加速部署》课程链接：https://edu.csdn.net/course/detail/32303《YOLOv5目标检测实战：Jetson Nano部署》课程链接：https://edu.csdn.net/course/detail/32451《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接：https://edu.csdn.net/course/detail/32669《YOLOv5实战口罩佩戴检测》课程链接：https://edu.csdn.net/course/detail/32744《YOLOv5实战中国交通标志识别》课程链接：https://edu.csdn.net/course/detail/35209 《YOLOv5实战垃圾分类目标检测》课程链接：https://edu.csdn.net/course/detail/35284  
Ubuntu20.04配置深度学习环境yolov5最简流程
m0_60657960的博客
03-05 8901
提示Command 'nvidia-smi' not found, but can be installed with:说明你还没有安装显卡驱动。打开终端输入nvidia-smi，查看可以安装cuda的版本（低于这个等于这个版本都可以安装，高于11.3版本，建议安装11.3的）安装显卡驱动最简单方式：打开软件和更新ununtu软件-下载自-安装源改成国内。然后左面有一个附加驱动里面有许多专有的驱动程序，点击一个，接着点击应用更改。三、安装配置cuda、cudnn。解决方法：打开软件更新器更新一下。
【YOLO】在ubuntu上部署yolov5
weixin_42442319的博客
06-10 9864
具体的操作流程：查看ubuntu的python版本 在shell中输入可查看版本。安装cpu版本pytorch(我的虚拟机ubuntu上还有显卡，因此安装cpu版本) 官方教程（适合初次使用linux的） 我发现了官方有在ubuntu20.04安装pytorch的教程！是全英文的，但是非常详细，包括了pip3安.................................
ubuntu20.04+anaconda+yolov5训练kitti数据集
hhz_999的博客
12-09 1278
ubuntu20.04+anaconda+yolov5训练kitti数据集
Ubuntu20.04 配置Yolov4(安装OpenCV，配置环境)-附件资源
03-05
Ubuntu20.04 配置Yolov4(安装OpenCV，配置环境)-附件资源
ubuntu20.04 PXE 网络自动化部署
05-25
ubuntu20.04 PXE 网络自动化部署
Ubuntu20.04离线部署nvidia-docker
04-22
在Ubuntu 20.04系统中离线部署NVIDIA Docker是为无互联网连接的环境构建GPU加速的Docker容器的关键步骤。NVIDIA Docker允许你在Docker容器内充分利用NVIDIA GPU的计算能力，这对于进行深度学习、机器学习以及其他...
基于Ubuntu20.04编译且可用的fcitx5输入法，版本5.0.16
05-26
fcitx5输入法目前(2022年5月26日)最新版本5.0.16，构建于Ubuntu20.04，因为Ubuntu20.04的源几乎已经不怎么更新fcitx5输入法了(版本老的不行)，于是自己用源码编译并打包成了DEB包，依赖的底层组件都是apt能安装的。...
RK356X/RK3588构建Ubuntu20.04根文件系统
目前从事linux驱动开发，多交流多学习吧
10-23 3711
很多厂商没有吧文件系统的构建方法开源出来，只是提供了一个rootfs.img的固件包，这不利于我们做二次开发，本文章实现一个自己构建的文件系统，并移植到RK的平台上使用。
利用TensorRT在Ubuntu部署YOLOv5
VAN的博客
11-09 7202
利用TensorRT在Ubuntu部署YOLOv5
Ubuntu各个版本部署YOLOv5 保姆级教程
weixin_45303602的博客
03-27 2617
前面几篇文章详细讲解了cuda和cudnn及anaconda的安装： 注意此内容适配所有所有Ubuntu系统，因为YOLO的运行只与touch版本有关。
Window和Ubuntu配置YoloV5(GPU)环境简易总结版
qq_43234191的博客
05-31 1979
yolov5环境配置总结版window和ubuntu
Ubuntu yolov5 环境配置
liuxu324的博客
09-03 778
pytorch的gpu版本，官方网站地址: https://pytorch.org/get-started/locally/，找到自己匹配的相关命令。YOLOv5源码下载地址：https://codechina.csdn.net/mirrors/ultralytics/yolov5。权重文件下载地址：https://github.com/ultralytics/yolov5/releases/解决方法：在官网下载最新的weight文件------yolov5s.pt即可。#下载anaconda安装脚本。
ubuntu20.04运行yolov5
09-01
要在Ubuntu 20.04上运行Yolov5，可以按照以下步骤进行操作： 1. 安装Python环境：首先，确保已经安装了Python 3.6+版本。在终端中运行以下命令检查Python版本： ``` python3 --version ``` 如果未安装Python，请使用以下命令安装： ``` sudo apt update sudo apt install python3 ``` 2. 安装依赖项：在终端中使用以下命令安装所需的依赖项： ``` sudo apt install python3-pip pip3 install -U pip pip3 install opencv-python ``` 3. 克隆Yolov5存储库：使用以下命令克隆Yolov5存储库： ``` git clone https://github.com/ultralytics/yolov5.git ``` 4. 进入存储库目录：使用以下命令进入Yolov5存储库目录： ``` cd yolov5 ``` 5. 安装所需的Python包：在终端中运行以下命令安装Yolov5所需的Python包： ``` pip3 install -r requirements.txt ``` 6. 下载预训练权重：在终端中运行以下命令下载Yolov5的预训练权重： ``` wget https://github.com/ultralytics/yolov5/releases/download/v3.0/yolov5s.pt ``` 7. 运行Yolov5：使用以下命令运行Yolov5： ``` python3 detect.py --source <输入视频或图像的路径> ``` 替换`<输入视频或图像的路径>`为实际视频或图像的路径。例如，如果要检测位于`/path/to/image.jpg`的图像，可以使用以下命令： ``` python3 detect.py --source /path/to/image.jpg ``` 这些步骤将帮助您在Ubuntu 20.04上成功运行Yolov5。请确保您已经按照步骤正确安装了所有依赖项和预训练权重。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 67
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

振华OPPO

你的鼓励是我创作的最大动力！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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