YOLO-vscode的安装使用

配置步骤

将yolov5-7.0使用vscode打开后

step1:扩展

点击左侧栏选择扩展选项

必须要扩展的选择

1.Chinese(汉化包)

2.Code Runner(方便的运行代码,提高编程效率)

3.Python(安装插件后可以在vscode上运行python代码)

step2:进入创建好的虚拟环境(进行检测)

1.通过终端新建终端

2.然后进入我们创建的环境

3.打开detect.py(检测页面)

4.选择解释器yolov5

5.单机运行python文件(运行时必须在yolov5环境中进行)

6.在runs中查看运行结果(终端处也会打印检测结果)

在detect.py文件页面中

weights:检测目标时使用的模型,此处使用的是yolov5s.pt

source:被检测的对象

data:用于指定数据集的配置文件路径。如果用户在命令行中没有提供该参数的值,则使用默认值ROOT / 'data/coco128.yaml'。这个配置文件包含了数据集的相关信息,如类别名称、图像路径等。

imgsz:代表检测使用的图片像素大小,此处设置是640(可以更改且必须为32的倍数)

要在VS Code中配置YOLO环境,您可以按照以下步骤进行操作: 1. 确保您已经安装了Python和VS Code。 2. 在VS Code中打开您的项目文件夹。 3. 安装Python插件以便在VS Code中使用Python。 4. 创建一个虚拟环境,并激活它。 5. 在虚拟环境中安装YOLO的相关依赖项。您可以使用以下命令安装YOLOX所需的依赖项: ``` pip install -r requirements.txt ``` 6. 下载YOLOX预训练权重文件(.pth)到您的项目文件夹中。您可以从官方网站或GitHub上找到适合您需求的权重文件。 7. 在VS Code中创建一个`demo.py`文件,并将以下代码复制到文件中: ```python from yolox.data.data_augment import preproc from yolox.exp import get_exp from yolox.utils import postprocess, vis def main(): # 设置YOLOX配置 exp = get_exp("yolox-s") exp.device = "gpu" # 加载权重文件 exp.test_conf = 0.25 exp.nms_conf = 0.45 exp.num_classes = 80 model = exp.get_model() model.load_state_dict(torch.load("your_weight_path/yolox_s.pth")) model = model.cuda() model.eval() # 加载图像并进行预处理 img = cv2.imread("assets/dog.jpg") img, ratio = preproc(img, exp.test_size, (0, 0)) img = img.unsqueeze(0).cuda() # 运行推理 outputs = model(img) outputs = postprocess(outputs, exp, Visualizer()) results = outputs["results"][1] boxes = results.tolist() # 可视化结果 for box in boxes: vis.draw_box( img, box, caption=f"{box[4]:.3f}", color=vis.get_color("person"), thickness=2, ) vis.show(img, win_name="YOLOX") if __name__ == "__main__": main() ``` 8. 将`your_weight_path`替换为您下载的权重文件的路径。 现在,您已经成功配置了YOLO环境。您可以在VS Code中运行`demo.py`文件来检测图像中的物体。
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