用yolov5s训练完自己的模型后怎么计算fps

要计算使用 YOLOv5s 模型的 FPS（每秒处理帧数），您需要使用以下步骤：

1. 使用 OpenCV 读取视频或摄像头帧。

2. 将每帧输入 YOLOv5s 模型中进行目标检测。

3. 在绘制检测框和标签之前，使用时间戳记录检测开始的时间。

4. 在完成绘制后，使用时间戳记录检测结束的时间。

5. 计算每秒处理帧数（FPS）：FPS = 1 / (检测结束时间 - 检测开始时间)。

以下是一个示例代码，可以帮助您计算 FPS：

import time
import cv2
import torch
from models.experimental import attempt_load
from utils.general import non_max_suppression

# Load YOLOv5s model
model = attempt_load('models/yolov5s.pt', map_location=torch.device('cpu'))

# Initialize video capture
cap = cv2.VideoCapture(0)

while True:
    # Read frame from video
    ret, frame = cap.read()

    # Perform object detection using YOLOv5s
    start_time = time.time()
    detections = model(frame)
    detections = non_max_suppression(detections, conf_thres=0.5, iou_thres=0.5)
    end_time = time.time()

    # Draw detection boxes and labels
    for det in detections[0]:
        x1, y1, x2, y2, conf, cls = det
        cv2.rectangle(frame, (int(x1), int(y1)), (int(x2), int(y2)), (0, 255, 0), 2)
        cv2.putText(frame, f'{cls}: {conf:.2f}', (int(x1), int(y1) - 10),
                    cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

    # Calculate FPS
    fps = 1 / (end_time - start_time)
    cv2.putText(frame, f'FPS: {fps:.2f}', (10, 30),
                cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)

    # Show frame
    cv2.imshow('YOLOv5s', frame)

    # Exit on 'q' key
    if cv2.waitKey(1) == ord('q'):
        break

# Release video capture and close all windows
cap.release()
cv2.destroyAllWindows()

上述代码中，我们首先加载了 YOLOv5s 模型，然后使用 `cv2.VideoCapture()` 函数初始化了视频捕获对象。在每个循环迭代中，我们从视频中读取帧并将其输入模型中进行目标检测。检测完成后，我们计算了每秒处理帧数（FPS），并在每个帧上绘制了检测框和标签以及 FPS 值。按下 'q' 键可以退出程序。