机器学习（二）—— 配置环境yolo-cpu

最新推荐文章于 2024-09-06 20:59:42 发布
最新推荐文章于 2024-09-06 20:59:42 发布
阅读量1.2k 收藏 10
点赞数 4
分类专栏： 机器学习笔记 文章标签： 机器学习 python
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_44472033/article/details/111680199
版权
本文档详细介绍了如何配置用于YOLO-CPU版本的机器学习环境，包括配置镜像源、创建Python3.8环境、安装所需包如pycocotools，并在PyCharm中设置编译器运行代码。此外，还提供了查看和管理conda环境的相关步骤。
摘要由CSDN通过智能技术生成

文章目录

0. 代码获取

此代码为YOLO-CPU版本，仅供参考。
链接：https://pan.baidu.com/s/1YRcmA2jTfEb73CnVyx9QFg
提取码：hviq

1. 配置环境

1.1 配置镜像源

需要注意的是，pip中下载安装比较慢，可以换个清华镜像源。
到用户文件夹下，创建一个pip文件夹，然后在pip文件夹里创建一个txt文件。
在这里插入图片描述
修改txt文件的内容，并且把后缀改成ini。

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

在这里插入图片描述

1.2 创建新环境

Win+R启动cmd，在命令提示符内输入以下命令：
创建名称为yolo-cpu的环境，Python为3.8版。

conda create –n yolo-cpu python=3.8

在这里插入图片描述

在这里插入图片描述

1.3 进入该环境

进入创建的yolo-cpu环境。

activate yolo-cpu

在这里插入图片描述

1.4 安装相关包

pip inst
最低0.47元/天 解锁文章
小龙呮
关注
专栏目录
机器学习笔记 - YOLO家族简介
学以致用 知行合一
04-09 4634
目标检测是计算机视觉中最重要的课题之一。大多数计算机视觉问题都涉及检测视觉对象类别，如行人、汽车、公共汽车、人脸等。这一领域不仅限于学术界，而且在视频监控、医疗保健、车载传感和自动驾驶。 许多用例，尤其是自动驾驶，需要高精度和实时推理速度。因此，选择适合速度和准确性要求的物体检测器变得至关重要。YOLO（You Only Look Once）是一种单级目标检测器，用于实现两个目标（即速度和准确性）。而今天，我们将通过涵盖所有 YOLO 变体（例如，YOLOv1、YOLOv2、......
YOLO-NAS对象检测算法再一次颠覆YOLO系列算法——已超越YOLOv8
人工智能研究所的博客
05-28 1698
YOLO-NAS的发布在对象检测模型的推理性能和效率方面实现了重大飞跃，解决了传统模型的局限性，并为各种任务和硬件提供了前所未有的适应性。强大的神经网络推动了对象检测的进步，增强了计算机视觉的能力。虽然目前YOLO系列模型是目前对象检测算法最好的模型，但是未来随着深度学习框架的不断发展，相信还会出现越来越多，越来越好的对象检测模型。然后我们初始化一个对象检测model，并加载coco预训练模型，一旦我们配置好了模型，便可以进行对象检测了，对象检测可以使用如下类型进行图片或者视频的检测。
机器学习环境完全配置
weixin_42309501的博客
05-26 2366
安装驱动http://www.nvidia.com/Download/index.aspx?lang=en-us禁用 nouveau，只有在禁用掉 nouveau 后才能顺利安装 NVIDIA 显卡驱动，禁用方法就是在 sudo vim /etc/modprobe.d/blacklist.conf文件中添加一条禁用命令blacklist nouveauoptions nouveau modeset...
机器学习环境配置
weixin_39958983的博客
11-22 473
2018年10月25日 15:49 http://www.scipy-lectures.org/ Tensorflow window安装： https://blog.csdn.net/darlingwood2013/article/details/60322258/ Tensorflow中文社区： http://www.tensorfly.cn/tfdoc/get_started/basic_us...
配置机器学习环境PyCharm+Anaconda+Pytorch_gpu
weixin_63313703的博客
05-09 1443
详细从零开始配置Anaconda+pycharm+python 3.8 +cuda 11.7+cudnn v8.9.7+pytorch 2.0.1
01-机器学习之基础环境搭建(conda、CUDA、pycharm)
最新发布
weixin_43282101的博客
09-06 1333
本文相关部分命令基于本人使用设备硬件并且安装CUDA 11.8为基础展开。本人为机器学习及人工智能方向小白，仅以记录自己学习过程，如有不足之处，欢迎各位大佬指正。
机器学习预测CPU占有率
qq_45904458的博客
08-31 774
给定64台主机的过去三周的cpu利用率样本训练集数据，时序间隔300秒,对这批机器接下来一周的cpu利用率进行预测
7关于简单目标识别与意图分析的机器学习实战研究（神经网络目标识别——tensorflow-gpu环境部署）1
08-08
机器学习实战研究（神经网络目标识别——TensorFlow-GPU 环境部署） 本节主要讲述如何配置 TensorFlow-GPU 环境以进行简单目标识别与意图分析的机器学习实战研究。TensorFlow-GPU 对环境的要求极高，需要选择合适的...
合工大苍穹战队视觉组培训Day1——机器学习，学会使用YOLO模型
qq_67004876的博客
07-19 1113
合工大苍穹战队视觉组培训学习日记Day1,主要是环境安装和yolo的模型使用。
yolo-cpu测试代码
12-31
深度学习yolo-cpu测试代码
YOLOv2 cpu版dll文件
04-05
使用说明参看https://blog.csdn.net/qq_17550379/article/details/78504790
yolo虚拟机配置cpu
Eudemonia_mia的博客
12-05 741
git clone https://github.com/pjreddie/darknet.git cd darknet make wget http://pjreddie.com/media/files/yolov1/yolov1.weights ./darknet yolo test cfg/yolov1.cfg yolov1.weights data/dog.jpg
在CPU上跑YOLOv5【3】——让yolov5跑起来
m0_53263069的博客
02-18 2049
发布的前两篇笔记主要是我再安装配置环境方面遇到的坑的总结，（其实在发布完后，运行detect.py还是遇到了不少错误）。今天第一次让detect.py顺利跑起来了！总结一下整个过程。(其实我也有很多概念还不是很清楚，只是先记录一下成功的方法，方便回顾)先放一张detect.py运行成功截图：1、在git上将前面笔记说的yolov5项目压缩包下载好后，解压缩到自己指定的文件夹中，用Pycharm打开；2、python解释器，File->Settings->
利用CPU跑YOLO识别猫的模型（初学者教程）
qq_33177599的博客
01-08 1605
上期我们已经完成了环境的搭建，以及环境的检测。我们接着在上期的基础上进行训练模型。
YOLOv5 windows CPU搭建
gjyntyyx的博客
07-16 1998
进入requirements.txt文件，复制第二行代码pip install -r requirements.txt，到终端中运行。打开cmd窗口，输入conda create -n yolov5 python=3.10，创建新的环境，避免配置时出错影响其他环境。如果该文件夹出现下列两个图片，则代表yolov5网络copy成功，后续可以尝试训练自己的数据集。可以在下面网站中下载作者训练好的权重文件，不同权重的识别效果不同，训练对应权重的时间也不同。选择解释器路径为刚创建的虚拟环境解释器。
从零点一开始机器学习之GPU运算性能和CPU性能对比（GPU算力表）
小黄瓜要编程的博客
12-24 1万+
在机器学习之Win10 64位下安装Cuda+Cudnn文中，我们已经简单的阐述了一下gpu在机器学习中性能好于cpu，但是到底有多大的差距呢？刚开始的同学没有一个直观的认识（主要是我自己也没有直观的认识），在此记录一下吧。 我们采用同样的一个简单的基于VGG16的图像分类代码来对比一下，如果有误导或者理解不到位的地方，恳请指正，谢谢！服务器虽然有点旧，但是还是可以看出问题的！ 图像分三类，每一类图像3800张左右，batch_size均为25 CPU服务器一 服务器配置 选取epoch5-15查看
在CPU上跑yolov5（详细步骤+适合入门）
热门推荐
weixin_54721509的博客
02-17 5万+
非常详细的步骤，适合新手，不要一天就可以跑通！
Yolo V5，如何安装环境及依赖，使用CPU/GPU运行
weixin_45892846的博客
01-10 3689
yolov5，如何安装环境及依赖，使用CPU/GPU运行
YOLO-World深度学习模型压缩包解读
资源摘要信息:"YOLO-World-master.zip" YOLO（You Only Look Once）是一个流行的实时对象检测系统。YOLO的设计理念非常独特，它将对象检测任务作为一个回归问题来解决，通过一个单一的神经网络直接从图像像素到边界...
评论 3
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