慈溪网站建设慈溪,服装设计网站有哪些推荐,网络服务提供者利用网络侵害他人,厦门企业制作网站文章目录 一 概述二 依赖环境(prerequisites)2.1 硬件环境2.2 软件环境 三 环境安装3.1 创建并激活虚拟环境3.2 安装Pytorch与torchvision3.3 校验Pytorch安装3.4 下载 YOLOv5 v6.1 源码3.5 安装 YOLOv5 依赖3.6 下载预训练模型3.7 安装其他依赖3.8 测试环境安装3.9 测试训练流… 文章目录 一· 概述二· 依赖环境(prerequisites)2.1 硬件环境2.2 软件环境 三· 环境安装3.1 创建并激活虚拟环境3.2 安装Pytorch与torchvision3.3 校验Pytorch安装3.4 下载 YOLOv5 v6.1 源码3.5 安装 YOLOv5 依赖3.6 下载预训练模型3.7 安装其他依赖3.8 测试环境安装3.9 测试训练流程 四· 参考链接 一· 概述
本文档主要记录使用工程源代码部署YOLOv5训练环境以及测试环境的过程主要包括以下内容
YOLOv5对应版本的源码下载Pytorch的适配版本安装与测试YOLOv5源码的依赖安装与测试其他依赖的版本调整与测试字体文件、预训练模型的下载训练流程的测试 注如果需要快速安装推理环境(不需要训练),参考[[YOLOv5快速推理方法]] 二· 依赖环境(prerequisites)
本文档主要记录的是 YOLOv5 v6.1 版本的环境部署与测试使用 Anaconda 或 miniconda 进行虚拟环境和包管理器因此在执行安装之前需要确认机器的预安装环境。
2.1 硬件环境
GPU : NVIDIA GeForce GTX2060RAM : 16GBCPU : Intel(R) Core(TM) i7-10750H CPU 2.60GHzROM : 512GB SSD 注: 一般情况下训练都会在GPU上进行因此GPU的性能对训练速度有较大的影响。确保本地已安装NVIDIA独立显卡否则训练耗时会非常长。 2.2 软件环境
操作系统 : Windows 10Anaconda3 或 miniconda3Python : 3.8NVIDIA驱动 : latestCUDA : 11.2cuDNN : 8.2.1
三· 环境安装 注: 确保上述软硬件环境已经安装完毕不在赘述。 3.1 创建并激活虚拟环境
# 创建虚拟环境
conda create -n yolo python3.8 -y# 激活虚拟环境
conda activate yolo3.2 安装Pytorch与torchvision
访问Pytorch官方网站查询符合本地硬件配置与软件环境安装指令这里选择 适配 CUDA 11.3的Pytorch v1.12.1,安装指令如下:
# CUDA 11.3
conda install pytorch1.8.1 torchvision0.9.1 torchaudio0.8.1 cudatoolkit11.3 -c pytorch -c conda-forge -y
# CUDA 11.1
pip install torch1.8.1cu111 torchvision0.9.1cu111 torchaudio0.8.1 -f https://download.pytorch.org/whl/torch_stable.html注: 考虑到版本兼容性问题本文档中选择适配CUDA 11.3的Pytorch v1.8.1版本. 没有选择最新版。 注: Pytorch官方安装文档中v1.8 只提供了适配 11.8、11.7、11.6、11.3 和 10.2 的 CUDA 版本, 通过查询部分资料得知CUDA v11版本中部分小版本向前兼容表现形式为版本号标为CUDA v11.x经过测试Pytorch v1.8.1 适配 CUDA 11.3 版本可以正常使用。 3.3 校验Pytorch安装
python -c import torch; print(torch.__version__)环境安装正确则输出 1.8.1cu111
python -c import torch; print(torch.cuda.is_available())Pytorch 安装完成且能够加载 GPU 和 CUDA 则输出True, 否则输出 False 注如果校验失败则重新按照 [[#3.2 安装Pytorch与torchvision]] 中的内容更换一种方式重新安装例如,将 conda 安装方式更换为 pip 安装方式。 3.4 下载 YOLOv5 v6.1 源码
可直接通过 git 命令下载指定 v6.1版本的 YOLOv5 源码如下所示
git clone -b v6.1 https://github.com/ultralytics/yolov5.git源代码下载完成后会回滚到 v6.1 版本的代码。如下图所示
或通过官方网站下载源码压缩包解压到本地。地址YOLOv5 对比上述图片可以看到对应提交的记录号码是一致的。
3.5 安装 YOLOv5 依赖
进入 YOLOv5 源码目录执行以下命令安装依赖
cd yolov5# 安装依赖
pip install -r requirements.txt等待安装完成如下图所示 3.6 下载预训练模型
通过访问github地址定位到对应的 v6.1 标签的release版本下载预训练模型文件链接地址 , 如下图所示 注 一定要下载与源代码版本号对应的预训练模型避免因模型结构不一致导致加载时报错。 3.7 安装其他依赖
为避免报错 ImportError: DLL load failed while importing _imaging: 找不到指定的模块。 需要重新安装 Pillow 依赖如下所示
pip install Pillow9.5.0为避免后续训练过程中因为 numpy 版本不兼容导致 API 调用报错需要重新安装 numpy 1.20.3 依赖如下所示 pip install numpy1.20.3 --force-reinstall3.8 测试环境安装
通过运行 detect.py 脚本对项目自带的测试图片(位于 data/images 路径)测试环境安装是否正确如下所示
python detect.py --weights yolov5s.pt --img 640 --conf 0.25 --source data/images/bus.jpg运行成功后会输出检测结果如下图所示
打开位于 runs/detect/exp2 路径保存的图片可以看到检测结果如下图所示
3.9 测试训练流程
通过运行 train.py 脚本对项目自带的测试数据集(位于 data/coco128 路径)测试训练流程是否正确如下所示
python train.py --img 640 --batch 16 --epochs 3 --data coco128.yaml --weights yolov5s.pt运行指令后会自动下载 COCO128 数据集然后开始训练如下图所示
如果因网速问题下载失败可以手动下载数据集然后解压到与 yolov5 的统计文件夹 datasets 目录下即可如下所示
datasets
|--coco128
| |--images
| |--labels
yolov5
|--data
.
.
.训练正式启动后每个 epoch 会有进度条显示当前的训练进度如下图所示:
至此YOLOv5 v6.1 版本的源代码方式安装的训练环境已完成.
四· 参考链接
[YOLOv5 GitHub](https://Pytorch 安装指南ultralytics docs
