Глубокое обучение - построение и использование среды алгоритма yolov5 (GPU/CPU)

алгоритм
  • Пожалуйста, обратите внимание на источник оригинального текста при перепечатке, спасибо:blog.CSDN.net/Pentium Full/Ах…

Глубокое обучение - построение и использование среды алгоритма yolov5 (GPU/CPU)

1. Зависимость от окружающей среды

  • anacoda
  • python >= 3.8
  • CUDA, cudnn
  • torch>=1.6

2. Процесс строительства

1. Среда графического процессора

  1. Установка и использование Anaconda: см. мой другой блог:blog.CSDN.net/Pentium cm/Ах…
  2. Установите CUDA: Адрес загрузки официального сайта:developer.NVIDIA.com/thick-10.2-of… 在这里插入图片描述После загрузки вы можете установить его напрямую.
  1. Создайте среду Python:
conda create -n yolov5 python=3.8
  1. Установите pytorch в среде python: версия соответствующая, обратитесь к официальному сайту:pytorch.org/ 
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

在这里插入图片描述

  1. Загрузите исходный код yolov5:GitHub.com/ultra Еще одна ICS… 在这里插入图片描述

  2. Установите зависимости Python:

    pip install -r requirements.txt

2. Среда процессора

Когда на нашем компьютере нет видеокарты NVIDIA, мы можем использовать версию pytorch для процессора для проведения экспериментов yolov5. Конкретные корректировки заключаются в следующем:

  • Не нужно устанавливать CUDA, cudnn

  • команда установки pytorch:

    conda install pytorch==1.6.0 torchvision==0.7.0 cpuonly -c pytorch

    Остальные шаги такие же, как и для ссылки на GPU.

Три, yolov5 использовать

  1. Используйте предварительно обученную модель:

    • Просто запустите файл detect.py непосредственно в корневом каталоге проекта, и сгенерированные результаты обнаружения будут в выходной папке.在这里插入图片描述

    • Используйте камеру напрямую:

      python detect.py --source 0
Категории