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
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())
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
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
评论列表(0条)