一、项目测试
检查刚下载的代码能否正常运行。
解压yolov5-6.0.zip,
Anaconda创建一个python3.7.0环境命名为pytorch3.7,用pycharm打开yolov5-6.0右下角选择pytorch3.7,在pycharm的Terminal输入下面的代码安装所有依赖。
pip install -r requirements.txt
在命令行输入下面代码运行detect.py
python detect.py
出现下图运行成功,代码会先下载yolov5s.pt与训练模型,然后开始inference,成功后打开runs\detect\exp可以看到两张生成的预测图。
二、调用摄像头并显示
首先,打开utils/general.py文件
找到is_docker函数
将注释中的内容换到前面,下面是修改后的代码
def is_docker():
# Is environment a Docker container?
return Path('/.dockerenv').exists()
再运行python detect.py --source 0就可以看到实时的界面了,用自己训练好的模型也可以显示。
三、命令行运行
经验告诉我,最好使用命令行启动train.py或detect.py,如果需要改变超参数,直接传就行,千万不要修改代码,这是致命的,你不知道修改后会不会出问题,或者过一个月后再看,你已经忘记自己修改了哪些代码(本人惨痛经历),所以,坚持用以下方式启动你的yolov5
python detect.py
# 如果你要加载自己训练的模型,就在后面加上 --weights best.py
# 如果你要使用摄像头,就加上---source 0
python detect.py --source 0 --weights best.pt
以上只是detect.py的命令行启动方式,train.py的可能会传入更多的参数,不管如何,不要轻易修改源代码!