- 博客(12)
- 收藏
- 关注
RSS订阅原创 使用已有模型对新的数据进行标注（YOLOv5）
当我们已经训练好一版模型后，想继续增加数据集，可以采用脚本先对数据进行预处理，生成边界框后再用labelImg进行调整，这样就不用重新打标签了，可以增加效率。
2025-05-29 15:04:55
157
原创 Ubuntu20.04使用YOLOv5训练自己的数据集,（Window同样适用）
在tran.py中主要修改前面三项weights、cfg、data其他可以默认，改成你的路径，为了方便演示我把所用到的yaml文件和划分好的数据集都放在一个文件夹里了，yolov5s.pt没有的话去官网找一个，一定要是跟你的源码匹配的版本，是yolov5-V6.0的就找到V6.0的下。准备好训练权重对应的模型.yaml，例如我要用yolov5s.pt做为训练权重，则到这个文件夹下找到yolov5s.yaml，复制到你的数据集文件夹当中，改动nc:，为这里只有一类所以是nc:1，其他不用改。
2025-04-25 18:54:07
373
原创 Ubuntu20.04使用dd备份
下面的 /dev/sdb 替换为你的sd卡。# 下面的 /dev/sdb 替换为你的sd卡。# 该命令可每隔5s输出一次dd进度。# 该命令可查看一次dd进度。插入新的sd卡，执行恢复命令。
2025-03-19 13:55:03
306
原创 Ubuntu20.04出现E: 无法获得锁 /var/lib/apt/lists/lock – open (11: 资源暂时不可用) E: 无法对目录 /var/lib/apt/lists/ 加锁
出现这个问题的原因可能是有另外一个程序正在运行，导致资源被锁不可用。而导致资源被锁的原因，可能是上次安装时没正常完成，而导致出现此状况。这个问题在Ubuntu系统下非常常见，在添加源，然后在更新源时中途中断了更新，只要再安装软件或者再去更新的时候就会出来的错误提示。E: 无法获得锁 /var/lib/apt/lists/lock – open (11: 资源暂时不可用)E: 无法对目录 /var/lib/apt/lists/ 加锁。—————————分割线—————————解决方法：输入以下命令。
2025-03-19 13:50:56
339
原创 Ubuntu20.04安装部署TensorRT
下载yolov5对应的模型网址：https://github.com/ultralytics/yolov5/releases。下载网址：https://developer.nvidia.com/nvidia-tensorrt-download。上一篇博客你安装的yolov5-v5.0的话，上面的源码和模型也要对应版本。将里面的gen_wts.py文件复制到你yolov5的目录下。注意##下载的版本按照你安装的yolov5版本。在此目录下打开终端生成.wts文件。都下载完后进入yolov5的目录。
2024-01-26 15:34:58
2166
2
原创 Ubuntu20.04安装pytorch和yolov5环境
回到主目录按Ctrl+H将隐藏文件显示出来，进入.config文件夹再进入Ultralytics文件夹，将Arial.ttf文件复制到这里，然后再回到yolo5的终端运行python3 detect.py –weights yolov5s.pt –source 0。切换分支，选择YOLOV5的版本（推荐选择V6.0或者V5.0的版本，安装起来方便，后面模型转换效果也好）安装的版本建议不要超过你的CUDA版本，例如我的CUDA版本是11.4的，就选择11.3的来安装。找到跟你对应的CUDA版本安装。
2024-01-24 16:08:20
1236
3
原创 Ubuntu20.04安装PCL1.12（带GPU）
下载PCL网址：https://github.com/PointCloudLibrary/pcl/releases/tag/pcl-1.12.0。首先安装VTK的依赖：X11，OpenGL；cmake和cmake-gui在安装pcl依赖的时候安装过了的话可以跳过。网址：https://vtk.org/download/然后回到VTK-7.1.1/build的终端路径下。然后回到刚刚pcl的build文件夹路径的终端。此时点击configure如果出现下面错误。打开之后先点击下面的configure。
2024-01-24 16:04:44
2499
1
原创 Ubuntu20.04安装显卡驱动、CUDA、CUDNN、opencv使用CUDA加速
#注意：”CUDA_ARCH_BIN=8.6“这里的数字可以去官网查看（网址：https://developer.nvidia.com/cuda-gpus#compute）按照自己电脑显卡的型号填写。如果实在不确定的可以在上面CUDA测试那一步查看。注册登陆后下载下面框选的四项“注意选择你的Ubuntu版本”（##注意如果你的CUDA安装的版本较高，可能会没有Runtime、Developer、Code测试的三项,如果没有则可以跳过CUDNN的测试步骤)。）将opencv链接到系统路径（以下步骤不推荐！
2024-01-24 16:02:17
4170
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人