AI学习笔记二:YOLOV5环境搭建及测试全过程

这篇具有很好参考价值的文章主要介绍了AI学习笔记二:YOLOV5环境搭建及测试全过程。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

若该文为原创文章,转载请注明原文出处。

记录yolov5从环境搭建到测试全过程。

一、运行环境

1、系统:windows10 (无cpu)

2、yolov5版本:yolov5-5.0

3、python版本:py3.8

在创建虚拟环境前需要先把miniconda3和pytorch安装好。

二、虚拟环境搭建

1、打开Anaconda Powershell Prompt(miniconda3)终端,执行下面命令创建python虚拟环境

# conda create -n your_env_name python=x.x
conda create -n yolov5_env python=3.8

创建名为yolov5_env,py3.8的虚拟环境,遇到需要输入时,输入y,会安装一些基本的包。

安装yolov5,AI计算机视觉,学习,笔记,YOLO

 如果创建过程中出错或长时间等待,自行换轮子(源)

创建成功后会提示激活环境等,如下图。

安装yolov5,AI计算机视觉,学习,笔记,YOLO

 按提示,激活环境

conda activate yolov5_env

激活后,环境就修改了

安装yolov5,AI计算机视觉,学习,笔记,YOLO

 三、yolov5测试

1、下载5.0版本

Tags · ultralytics/yolov5 · GitHub

安装yolov5,AI计算机视觉,学习,笔记,YOLO

下载后,解压,然后从终端进入目录,比如解压后的文件放在桌面,使用命令cd进入:

安装yolov5,AI计算机视觉,学习,笔记,YOLO

目录下有个README.md已经写得很清楚了,可以参照上面的去操作。

2、安装Requirements

 要求python3.8, torch>=1.7,在requirements.txt文件里有指定版本

执行下面命令安装即可,安装如果太慢,就使用国内的源

pip install -r requirements.txt

 太慢使用下面指令安装,使用的是清华源

pip install -r requirements.txt  -i https://pypi.tuna.tsinghua.edu.cn/simple

第一次安装可能会有点久,需要耐心等待

安装yolov5,AI计算机视觉,学习,笔记,YOLO

3、测试

测试前需要先下载使用的权重文件。

下载地址:

Release v5.0 - YOLOv5-P6 1280 models, AWS, Supervise.ly and YouTube integrations · ultralytics/yolov5 · GitHub

安装yolov5,AI计算机视觉,学习,笔记,YOLO

 

下载yolov5s.pt文件,也可以下载其他的,在yolov5-5.0目录下创建weights,把下载的yolov5s.pt放到weights目录下。

安装yolov5,AI计算机视觉,学习,笔记,YOLO

接下来使用下面命令测试

python detect.py --source data/images/zidane.jpg --weights weights/yolov5s.pt

 执行后出错了attributeerror: 'upsample' object has no attribute 'recompute_scale_factor'这个错误,这个错误是PyTorch的版本问题,

降低PyTorch的版本到1.9.0,PyTorch的历史版本Previous PyTorch Versions | PyTorch

pytorch需要根据自己的电脑安装,我使用的是CPU,所以指令最后一条指令

# CUDA 10.2
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=10.2 -c pytorch

# CUDA 11.3
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=11.3 -c pytorch -c conda-forge

# CPU Only
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cpuonly -c pytorch

安装后在次执行,出现“ImportError: DLL load failed while importing _imaging: 找不到指定的模块”的错误

重装pillow:

pip uninstall pillow

pip install pillow

运行成功后,会把结果输出保存到runs/detect/expX中。

安装yolov5,AI计算机视觉,学习,笔记,YOLO

 

参数

--source:输入源

                  0  # webcam
                  file.jpg  # image 
                 file.mp4  # video
                 path/  # directory
                 path/*.jpg  # glob
                 'https://youtu.be/NUsoVlDFqZg'  # YouTube video
                 'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP stream

--weights:权重文件,可以是自己训练的,测试使用的是github提供的

参数还有很多,详细参考github上

如此,测试完成,接下来自己编写一个简单的测试程序,并训练自己的数据集。

如有侵权,或需要完整代码,请及时联系博主。文章来源地址https://www.toymoban.com/news/detail-697108.html

到了这里,关于AI学习笔记二:YOLOV5环境搭建及测试全过程的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【YOLOv5】1.搭建Pycharm+Python+yolov5环境

    目录 一、安装Python 二、安装PyCharm 三、创建项目和虚拟环境 四、下载YOLOv5和依赖库 五、配置Pytorch 六、检验YOLOv5环境 1.Python官方下载网址:Download Python | Python.org 2.安装python3.10即可,笔者使用的pytorch版本在python3.10下不可用,所以多装了一个python3.9。 3.心得:如果安装了多个

    2024年02月13日
    浏览(25)
  • Yolov5环境搭建+运行过程

    目录 前言 一、工具资源下载 二、搭建环境配置和运行测试 1.安装anaconda,并创建环境 2.使用pycharm  3.安装pytorch1.5.1以及其他库 4.测试 总结 这是我个人在使用yolov5过程中的一些心得,搭建环境就让我爆炸,最后也是成功运行起来。其中也参考了很多其他人博客的文章,记录下

    2024年02月12日
    浏览(28)
  • YOLOv5——pytorch环境搭建

    环境搭建是一个最最基础而又基本的事情,是一切工作开始前的基本要求。 由于YOLOv7和YOLOv5不兼容,这次用到了YOLOv5,我不得不再使用anaconda创建一个虚拟环境。 Tip:很多人不了解Anaconda存在的意义,就是为了弥补python多版本不兼容问题(在安装过程中,我们不难发现,总是

    2024年02月17日
    浏览(27)
  • web自动化测试框架落地实施全过程-测试环境搭建 (Selenium+Python)

    Web自动化测试是指使用自动化工具模拟用户在Web浏览器中执行的操作,通过编写脚本来自动化执行测试用例,以验证Web应用程序的功能、性能和兼容性等方面的质量。其主要目的是降低测试成本和时间,并提高测试效率和准确性。 Web自动化测试通常包括以下步骤: 确定测试

    2024年02月09日
    浏览(54)
  • 用Docker搭建yolov5开发环境

    下面是使用Docker搭建yolov5开发环境的详细步骤: 如果你的电脑上还没有安装Docker,可以按照Docker官网的说明进行安装。 在开始之前,需要先将yolov5的代码下载到本地。可以使用以下命令将代码克隆到本地: git clone https://github.com/ultralytics/yolov5.git 在yolov5的代码目录下,有一个

    2024年02月15日
    浏览(29)
  • yolov5环境搭建(Anaconda-py3.9、PyTorch-CPU、yolov5-4.0、PyCharm)

    Windows 10 Anaconda(基于Python3.9),已配置好环境变量 yolov5相关的代码、权重文件等,已经打包整理好,可以通过百度网盘绿色下载。链接: https://pan.baidu.com/s/1okVkfpqjI5wD6PigK-AH0w?pwd=yscw 提取码: yscw Anconda除了提供丰富的科学包外,还可以通过创建虚拟化境的方式用于进行环境隔离

    2024年02月04日
    浏览(29)
  • YOLOv5入门实践(1)——手把手带你环境配置搭建

      这两天我将pycharm社区版换成了专业版,也顺带着把环境从CPU改成了GPU版,本篇文章也就是我个人配置过程的一个简单记录,希望能够帮到大家啦~ ​   🍀本人YOLOv5源码详解系列:  

    2024年02月04日
    浏览(37)
  • yolov5学习笔记整理

    这篇文章是我在自己完成yolov5的学习之后,整理出的笔记,可供学习参考,如有错误还请指正。 首先,yolov5主要分为四个部分,输入端,backbone,neck,输出端。 (1) Mosaic数据增强 在Yolo-V4的paper中,以及在还未发表paper的Yolo-V5中,都有一个很重要的技巧,就是Mosaic数据增强

    2024年02月07日
    浏览(24)
  • 从零开始的机械臂yolov5抓取gazebo仿真(环境搭建篇下)

    sunday我给自己机械臂的命名,原型是innfos的gluon机械臂。通过sw模型文件转urdf。Sunday项目主要由六个功能包sunday_description、sunday_gazebo、sunday_moveit_config、yolov5_ros、vacuum_plugin、realsense_ros_gazebo组成,下面我将介绍这六个功能包。 首先介绍个人使用环境,博主使用的是Ubuntu18.04

    2023年04月08日
    浏览(34)
  • Jetson Nano部署YOLOv5与Tensorrtx加速——(自己走一遍全过程记录)

    搞了一下Jetson nano和YOLOv5,网上的资料大多重复也有许多的坑,在配置过程中摸爬滚打了好几天,出坑后决定写下这份教程供自己备忘。 事先声明,这篇文章的许多内容本身并不是原创,而是将配置过程中的文献进行了搜集整理,但是所有步骤都1:1复刻我的配置过程,包括其

    2024年02月03日
    浏览(32)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包