引言
笔者YOLOv5专栏链接🔗导航:
笔者一直都非常偏爱yolov5系列,因其非常友好,上手容易,兼容性也比较高(不会有很多苛刻的要求,尤其是对训练的硬件配置),从搭建环境到训练再到应用,都非常简便。让使用者更多的时间花在实际的应用场景的协调上和改进上。
yolov5的最新版本6.1
源码:https://github.com/ultralytics/yolov5/tree/v6.0
一些更新信息说明:https://github.com/ultralytics/yolov5/releases/tag/v6.0
笔者更新日期 : 2022.3.2
1.环境搭建
1.1 x86_64系统架构
conda create -n yolov5-6 python=3.7
conda activate yolov5-6
官网的安装教程:
一般运行到下载torch会非常慢,所以最好单独先安装torch
笔者的安装指令流程如下:
git clone https://github.com/ultralytics/yolov5 # 1
cd yolov5 # 2
pip install -r requirements.txt # 3
根据提示决定安装的版本,如上图所示
官网安装命令 https://pytorch.org/get-started/locally/
# 单独安装pythorch(gpu版本)
pip install torch==1.10.2+cu102 torchvision==0.11.3+cu102 torchaudio===0.10.2+cu102 -f https://download.pytorch.org/whl/cu102/torch_stable.html # 4
# 再运行官方安装指令,此时安装就会快很多
pip install -r requirements.txt # 5
1.2 arrch64系统架构
查看使用的操作系统架构
uname -a
查看NVIDIA边缘端设备(nano、tx2、xavier等)查看安装的jetpack版本
sudo apt-cache show nvidia-jetpack
# 或者用jtop工具查看
jtop
PyTorch for Jetson
官网链接:https://forums.developer.nvidia.com/t/pytorch-for-jetson/72048
Installing PyTorch for Jetson Platform 安装说明
链接:https://docs.nvidia.com/deeplearning/frameworks/install-pytorch-jetson-platform/index.html
JetPack SDK 链接:https://developer.nvidia.com/embedded/jetpack
1.3 其他依赖库安装
若遇到其他的必要库下载很慢,则可以单独安装并使用镜像源
pip install xxx -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install xxx -i https://pypi.douban.com/simple
# 然后再
pip install -r requirements.txt
requirements.txt的内容如下:
2.下载预训练模型
链接(拉到页面最底下):预训练模型
3. 推理
任意新建一个.py文件,写入如下的代码,在终端运行
import torch
# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s') # or yolov5m, yolov5x, custom
# Images
# img = 'https://ultralytics.com/images/zidane.jpg' # or file, PIL, OpenCV, numpy, multiple
img = 'data/images/zidane.jpg'
# Inference
results = model(img)
# Results
results.print() # or .show(), .save(), .crop(), .pandas(), etc.
显示结果为:
4. 测试
--project
指定保存路径;--weights
指定测试模型
python detect.py --source data/images/zidane.jpg --weights v5_pre_models/yolov5s.pt --project out --img-size 640