yolov5环境搭建1
yolov5环境搭建 yolov5 是一个基于 PyTorch 的目标检测模型,它需要 Python>=3.6.0 和 PyTorch>=1.7,下面是 yolov5 环境搭建的详细步骤。 需要检查 Python 版本,使用 `python3 -m pip -V` 命令检查 Python3.6 版本的 pip 是否安装及其版本。如果未安装,可以使用 `sudo apt-get install python-pip` 命令安装。 接下来,需要下载 yolov5 的源码,使用 `git clone -b v6.0 https://github.com/ultralytics/yolov5.git` 命令下载 v6.0 版本的源码。请注意,不建议使用 GitHub 主页推荐的 `pip install -r requirements.txt` 命令安装依赖包,应该手动安装依赖包。 需要安装 torch,安装 gpu 版本的 torch 可以使用以下命令:`pip install torch==1.8.0+cpu torchvision==0.9.0+cpu torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html` 然后,需要安装其他依赖包,包括 matplotlib、numpy、opencv-python、Pillow、PyYAML、requests、scipy、tqdm、tensorboard、pandas、seaborn 和 thop,可以使用以下命令安装: ``` pip3 install matplotlib==3.2.2 pip3 install numpy==1.18.5 pip3 install opencv-python==4.1.2.30 pip3 install Pillow==7.1.2 pip3 install PyYAML==5.3.1 pip3 install requests==2.23.0 pip3 install scipy==1.4.1 pip3 install tqdm==4.41.0 pip3 install tensorboard==2.4.1 pip3 install pandas==1.1.4 pip3 install seaborn==0.11.0 pip3 install thop ``` 安装完环境后,在 yolov5 源码目录下,找到 detect.py 文件,检查 parser.add_argument 这个语句所在行,注意--weights 后的默认参数为模型文件所在目录;--source 后的默认参数为要识别的图片的路径(多个图片可以是其文件夹路径);--device 后的默认参数为用来识别的设备,数字表示 gpu 号,若需要 cpu 运行则将参数改为 cpu;--imgsz 表示图像输入大小,yolo 会根据这个参数剪裁图片;--conf-thres 为识别的置信度;--iou-thres,这个 IoU 阈值设置小一些可以防止出现重复框。 终端通过 cd 指令进入源码目录,运行 `python3 detect.py`,在源码目录下 runs 文件夹可以看到识别结果。 如果需要安装 gpu 版本的 torch,可以使用以下命令: 台式机上: 1. 需要更新 apt 仓库,使用 `sudo apt update` 命令更新。 2. 然后,需要升级系统,使用 `sudo apt upgrade` 命令升级。 3. 接下来,需要检查显卡驱动,使用 `nvidia-smi` 命令检查。 4. 如果没有安装显卡驱动,可以使用 `sudo ubuntu-drivers autoinstall` 命令安装。 5. 然后,需要选择对应的 CUDA 版本,查看 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html页面,选择对应的 CUDA 版本。 6. 需要安装 gpu 版本的 torch,可以使用以下命令:`pip install torch==1.8.0+cu101 torchvision==0.9.0+cu101 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html` jetson nano 板卡上: 1. 需要更新 apt 仓库,使用 `sudo apt update` 命令更新。 2. 然后,需要升级系统,使用 `sudo apt upgrade` 命令升级。 3. 接下来,需要检查显卡驱动,使用 `nvidia-smi` 命令检查。 4. 如果没有安装显卡驱动,可以使用 `sudo ubuntu-drivers autoinstall` 命令安装。 5. 然后,需要选择对应的 CUDA 版本,查看 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html页面,选择对应的 CUDA 版本。 6. 需要安装 gpu 版本的 torch,可以使用以下命令:`pip install torch==1.8.0+cu101 torchvision==0.9.0+cu101 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html`