配置yolov5 v7.0环境及使用

注:在测试是否安装好的过程中奉行缺啥补啥

第一步:使用anaconda创建yolo环境

同样在anaconda下创建一个yolo环境

首先,打开anaconda navigator,然后创建一个环境来放yolo。 先点击下面的create,然后创建一个新环境。

选择你的python版本,这里我选择的是Python3.8。你也可以根据你的需要和习惯来选择你自己的python版本。 环境名字你可以自己命名,但是尽量写自己能看懂的…

创建一个叫yolo的环境。

创建过程通

然后就会自动开始下载一些相关的包,等待其下载完成。

之后,打开anaconda prompt。先激活环境: activate yolo(这里打开的是我已经创建好的yolo环境)

第二步:使用本地的包安装pytorch

yolo是依赖pytorch框架的,所以我们先安装pytorch

分享一个很全的下载pytorch包的网址

https://download.pytorch.org/whl/torch_stable.html

找到需要的whl文件,注意要下载GPU下的torch包而不是CPU下的,后续会出现cuda版本不匹配问题

下载好后是这样的,我同时下载了torchvision,torchaudio包

需要选择跟前面创建的python同版本的包

然后--(网图,只为讲解)

同理安装三个包

第三步:yolov5下载

在官网上下载最新版yolov5

GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

下载yolov5源码,解压,可以看到里面有requirements.txt文件,里面记录了需要安装的包

第四步:yolov5权重文件下载

在官网上下载与上文中下载的yolo同版本的4个权重文件

Releases · ultralytics/yolov5 · GitHub

将下载好的权重文件放到工程根目录下

第五步:下载依赖

打开anaconda prompt。先激活环境:activate yolo

然后切换目录到yolo所在的文件夹中

其他库的安装建议直接使用requirement.txt文件安装

pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple

第六步:配置pycharm

进入pycharm中选择工程所需的interpreter

即上文创建的yolo环境

第七步:测试yolov5

使用源码中的Detect.py文件进行测试

默认用yolov5s.pt模型

可以在yolov5/runs/detect目录下找到模型输出结果的文件夹

这是源码自带的图片识别效果:

在网上随便找了一张图片,下载试了效果也不错,同时Yolov5处理该图片时间只用了11ms

前面anaconda的安装在我的另一篇文章中有详细过程

安装Anaconda

  • 7
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要训练自己的数据集使用yolov5v7.0,可以按照以下步骤进行操作: 1. 首先,你需要前往yolov5的GitHub仓库地址,下载源代码。解压下载的源码文件。 2. 在源码文件夹里面创建一个名为"weights"的文件夹。 3. 下载预训练模型,并将其放入刚创建的"weights"文件夹中。 4. 接下来,你需要配置yolov5的训练环境。这个步骤可能会有一些版本限制,因此请确保你正在使用yolov5v7.0版本。如果你是使用conda环境,你可以使用命令"conda install cudatoolkit=10.2 cudnn=7.6.5"来安装对应的cuda工具包和cudnn。 5. 准备你自己的数据集。确保你的数据集遵循yolov5的标注格式,并将其放置在合适的文件夹中。 6. 在训练之前,你需要修改yolov5配置文件以适应你的数据集。具体的修改方式可以参考yolov5的官方文档或者GitHub仓库中的说明。 7. 开始训练。使用命令行进入到yolov5的源码文件夹中,并执行以下命令来启动训练过程: python train.py --img [image_size] --batch [batch_size] --data [data.yaml] --cfg [model.yaml] --weights [weights.pt] 其中,[image_size]是你想要将输入图像调整的大小,[batch_size]是你希望使用的训练批大小,[data.yaml]是你修改后的数据集配置文件的路径,[model.yaml]是你修改后的模型配置文件的路径,[weights.pt]是你预训练模型的路径。 8. 等待训练完成。训练过程可能会花费一些时间,具体的训练时间取决于你的数据集大小和硬件性能。 这样,你就可以使用yolov5v7.0来训练自己的数据集了。记得根据你的具体情况修改相关的参数和配置文件。祝你成功!<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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