简单快速建立pytorch环境YOLOv5目标检测 模型跑起来

简单快速建立pytorch环境YOLOv5目标检测 模型跑起来,第1张

简单快速建立pytorch环境+实现YOLOv5目标检测 模型跑起来(超简单)

一、下载yolov5模型代码:

yolo代码

提取码:2022

下载后解压


二、简单快速创建pytorch环境: 1、条件:

电脑须有NVIDIA独立显卡,绝大多数电脑都符合pytorch要求,无需管CUDA ,CUDNN

已经安装了Anaconda

anaconda安装完成之后请切换到国内的源来提高下载速度 ,命令如下:

conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

2、创建过程:

打开ananconda prompt

输入:

conda create -n Pytorch_GPU python=3.8

执行y

输入:

activate Pytorch_GPU

直接安装 1.8.0 的Pytorch版本,因为电脑都能满足这个版本,并且YOLOv5模型对高版本的torch会报错,

直接输入:

conda install pytorch==1.8.0 torchvision torchaudio cudatoolkit=10.2

安装完成后输入代码检查是否安装成功,能成功调用gpu:(输入python,进入python编辑环境)

import torch
a = torch.cuda.is_available()
print(a)
ngpu= 1
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())

3、适配YOLOv5代码项目条件:

1、进入yolov5文件夹路径,输入cmd:

2、输入conda activate Pytorch_gpu 激活环境,再进一步安装需要的包:

输入 安装程序其他所需的包,包括opencv,matplotlib这些包 :

pip install -r requirements.txt

pip install pyqt5

pip install labelme

3、安装完成后,关闭,

4、进行项目初步运行起来: 1、用pycharm打开yolo项目:

2、选择创建的Pytorch_GPU为解释器:

本pychram为专业版,如需要专业版的伙伴们可以下载:
专业版

3、打开命令行终端,会显示路径和环境:

5、输入代码,模型实现:

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

可根据路径显示结果:

文件里的detect.py是后需要修改的参数部分:

6、模型跑起来了。


后续就是基于这个模型,去修改为识别其他目标的代码模型了

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/langs/578244.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-04-11
下一篇 2022-04-11

发表评论

登录后才能评论

评论列表(0条)

保存