配置YOLOv5环境并进行训练测试（Win11）

最新推荐文章于 2024-05-02 02:18:57 发布
最新推荐文章于 2024-05-02 02:18:57 发布
阅读量817 收藏 1
点赞数 1
文章标签： YOLO python 目标检测
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/weixin_42506418/article/details/131472782
版权

YoloV5训练环境配置

1. 安装、配置CUDA、cuDNN环境

本机配置： win11 + NVIDIA GeForce RTX4050 Laptop GPU+ "CUDA Version: 12.0" + 2.0.0+cu118 + 0.15.1+cu118 + python=3.9.16

IDE：Vscode

CUDA安装：CUDA Toolkit Archive | NVIDIA Developer

cuDNN安装：cuDNN Archive | NVIDIA Developer

查看系统支持CUDA版本，打开nvidia控制面板（桌面右键）->选择左下角的系统信息->组件

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

下载适合自己主机的版本

详细的安装过程参考：CUDA安装教程

查看CUDA是否安装成功，

nvcc --version
OR
nvcc -V

在这里插入图片描述

cuDNN下载完成之后进行解压之后，文件如下所示：
在这里插入图片描述

下载后发现其实cudnn不是一个exe文件，而是一个压缩包，解压后，有三个文件夹，把三个文件夹拷贝到cuda的安装目录下。

CUDA 的安装路径在前面截图中有，或者打开电脑的环境变量查看，默认的安装路径如下：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0

拷贝时看到，CUDA的安装目录中，有和cuDNN 解压缩后的同名文件夹，这里注意，不需要担心，直接复制即可。cuDNN 解压缩后的同名文件夹中的配置文件会添加到 CUDA安装目录中的同名文件夹中。【此处还是建议还是分别把文件夹的内容复制到对应文件夹中去】

2. 配置Anaconda虚拟环境

详情参考Anaconda 3 安装&虚拟环境配置

在这里插入图片描述

3. YoloV5项目

yoloV5项目：ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite (github.com)

权重文件地址：yolov5s.pt

下载项目之后，使用pip install -r requirement.txt，下载安装对应的环境

运行detect.py，可以看到runs文件夹下生成检测结果

在这里插入图片描述

在这里插入图片描述

北海苑优质男
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
（超详细）机器学习，利用yolov5从零开始训练自己的模型----------环境的配置
hy2270139582的博客
03-18 1761
至此，环境安装完成，下一篇是如何训练自己的模型。
Windows11下yolov5环境配置系列教程（进阶部分）
u010416569的博客
07-28 2802
而且每个人的问题也不尽相同，为了教程的简洁性，就不对遇到的问题展开了。我们可以看到，环境中虽然有cuda和pytorch，但是并没有cudnn，所以我们还要下载一个对应版本的cudnn。（这个cudatoolkit是包含在从官网下载的pytorch的包里的,所以不用另外下载一个CUDA）2.配置Yolov5所需要的环境,我们解压所下载的yolov5压缩包并打开。打开CMD，激活你所配置的环境,进入你解压好的yolov5文件路径。也可以通过我的百度云下载我正在使用的yolov5版本。...
无脑008——yolov5目标检测全流程，训练自己的庞大数据集，半自动标注数据集_python 实现yolov5s 目标检测训练
2401_84139610的博客
05-02 597
避坑autolabelimg,这个自动标注软件，因为他只支持yolov5s的训练模型，而且只支持检测coco数据集中的80个类别。这个软件我尝试了很久，找了很多方法都不行，遂放弃了，到头来，发现yolov5就自带了保存预测标签的功能。在detect.py的参数里，–save-txt下边是我目标检测训练的两个小玩具，小王子（prince）和加菲猫（garfield）yolov5官网链接。
Anaconda安装
LoongEmbedded的专栏
10-21 4122
Anaconda3安装
YOLOv5/v8环境配置及训练、检测方法
LIYIFAN_的博客
01-14 3533
打开拷贝的yaml文件，将train和val后面的位置改为数据集的相对位置，names里为要检测的对象，若只有一个对象就写0：对象名,其他的注释掉。在D盘或E盘新建一个PycharmProject文件夹，将刚刚下载好的yolov5/v8工程压缩包解压到PycharmProject文件夹。在Pycharm中打开刚刚解压好的yolov5-master的文件夹。运行完成后runs文件夹下会生成detect文件夹里面放有测试结果。4. 将数据集放置在工程文件夹下的data->images文件夹下。
YOLOv5训练自己的数据集并测试（以及踩坑记录）
weixin_46599926的博客
08-31 6593
YOLOv5是一个非常流行的图像识别框架，这里介绍一下使用YOLOv5给自己的数据集进行训练和测试下面逐步来演示一下
配置 yolov5 环境（Windows）踩坑史
weixin_73090892的博客
10-02 305
当出现报错后，在网上搜索后，不要盲目跟着 CSDN 的解决方法去做。而是应该先去知道为什么报错，然后再去解决它。现在网上很多博客都是为了解决这个问题而解决，从未想过为什么会出现这个报错。盲目修改底层源码后，会导致后面可能会出现从未见过的报错，尽量不要轻易修改。后面会讲一下如何做一个智能垃圾桶（程序方面），敬请期待哈。
从0开始配置yolov5环境并训练自己的数据集
12-07
本文将指导读者从头开始配置 yolov5 环境，并使用自己的数据集进行模型训练。整个过程包括 Python 环境的安装、opencv 环境的配置、pycharm 的安装、cuda 和 cudnn 的安装、pytorch 和 yolov5 库的安装、数据集的...
yolov3训练环境配置及训练教程（YOLOv5部分通用）
02-13
YOLOv3训练环境配置与训练教程主要涵盖了三个核心步骤：环境配置、数据整理和模型训练。对于初学者来说，这些步骤是实现目标检测模型训练的基础。 首先，环境配置是开始训练模型的第一步。推荐使用Anaconda3进行...
YOLOv5快速训练助手
06-08
一直被官方应用在工农商学各个行业中，但是每次出于数据制作的麻烦总是不可避免，本工具为个人亲手所写，是市面上第一个YOLOv5的数据集制作助手，它能在1分钟之内完成满足YOLOv5训练的数据集模式。除了笔者已开发的...
ModelArts分布式训练yolov5日志文件
09-11
华为ModelArts分布式训练yolov5模型输出的完整日志文件
yolov5电动车检测训练权重+数据集+pyqt界面
04-27
1、yolov5电动车检测训练权重，包含电动车检测数据集，电动摩托车识别，使用lableimg标注软件，标注好的高质量图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，即xml和txt格式的标签，分别保存在两...
win11配置CUDA+cuDNN+Anaconda+Miniconda+Pytorch+yolov5
浪迹天涯的博客
11-11 835
环境配置
Windows 上的 YOLOv5 对象检测（分步教程）
DT程序员的博客
05-31 729
在本文章中，我们将逐步完成让您开始使用 YOLOv5 并在 Windows 机器上创建您自己的边界框的过程。
yolov5测试步骤
weixin_48888528的博客
02-01 280
yolov5测试步骤
YOLOV5环境配置
lxy200528的博客
02-08 962
（一定要记得标明python版本，后文有一张表，根据自己的选择安装对应的环境版本，我的选择是python3.9，torch1.12，torchvision0.13，每创建一个环境中python版本都可以不同）展开“envs”文件夹，可以看到刚才创建的名为yolov5的环境，下拉，找yoliv5文件夹的“tools”文件夹里面的“python.exe”（“那个东西”就是刚才自己创建的环境里的python.exe）
YOLOv5数据标注、训练与测试
weixin_41837701的博客
04-20 1643
（1）打开网页：https://www.makesense.ai/（2）点击“Get Started”（3）点击“Drop images or Click here to select them”（4）上传图片，选择“Object Detection”（5）点击下图红色框（6）填写标签名称，如“Target”（7）点击“Start project”（8）框选目标，并选择标签（9）点击“Actions”之后点击“Export Annotations”（10）选择YOLO格式。
【学习总结】win10下yolov5使用GPU训练自己的模型，同时调用网络摄像头识别目标、学习指南与踩坑经验
m0_55317949的博客
08-24 3万+
yolov5学习经验，纯新手向，包学包会
Yolov5自定义图片训练测试及模型调优（详细过程）
热门推荐
HowieXue 薛永浩的博客
07-04 9万+
Yolov5自定义数据训练及测试1. 图像数据获取、标注2. 数据集划分及准备3. 配置训练参数，准备训练：3.1 修改data/训练配置xxx.yaml文件：3.2 修改models模型配置xxx.yaml文件4. 开始训练5. 测试训练后的模型： 1. 图像数据获取、标注 如果自定义训练自己的数据集，首先需要数据标注，至于数据来源可以是下载现有的开发数据集、拍照、爬虫等等。 如果是拍照、爬虫等获取的数据图片，需要进行数据标注，这个过程可以使用工具来做，但也需要一些手动操作 。。并且图片越多越好，如果
配置Yolov5环境
最新发布
05-19
要配置Yolov5环境，你需要以下步骤： 1.安装Anaconda - 访问 https://www.anaconda.com/products/individual 下载适用于您操作系统的安装程序。 - 安装程序完成下载后，按照提示进行安装。 2.创建虚拟环境 - 打开Anaconda Prompt或者Terminal - 运行以下命令创建一个名为yolov5的新虚拟环境 ``` conda create --name yolov5 python=3.8 ``` - 激活虚拟环境 ``` conda activate yolov5 ``` 3.安装Yolov5依赖项 - 安装pytorch ``` conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia ``` - 安装其他依赖项 ``` pip install numpy scipy matplotlib opencv-python pillow tqdm ``` 4.下载Yolov5代码和预训练模型 - 克隆yolov5仓库 ``` git clone https://github.com/ultralytics/yolov5.git ``` - 下载预训练模型 在yolov5目录下运行以下命令： ``` cd yolov5 wget https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5s.pt ``` 如果你需要其他的预训练模型，请到 https://github.com/ultralytics/yolov5/releases 下载。 至此，Yolov5环境配置完成。

“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
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
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