yolov5的代码模型构建是通过.yaml文件实现的，初次看上去会一头雾水，这里记录一下，也方便自己后面用到的时候查看。以models/yolov5s.yaml为例文件内容如下：# Parameters
nc: 5 # number of classes
depth_multiple: 0.33 # model depth multiple
width_multiple: 0.50 # la
目录1.环境准备2.开始搭建1. 安装anaconda：（请参考这位大佬做法，不过建议不要换源） 2.可以选择为yolov5 单独创建一个环境（点击creat，然后重新安装包，大佬教程有）3.conda 安装 4.yolov5 require 安装—————————至此，所有准备工作完成———————— 3.文件布局1.新建一个文件夹名字自取（我
转载
2024-03-27 15:56:20
126阅读
YOLOv8实操：环境配置/自定义数据集准备/模型训练/预测引言1 环境配置2 数据集准备3 模型训练4 模型预测 安装ultralyticsgit clone https://github.com/ultralytics/ultralytics
cd ultralytics
pip install -e .2 数据集准备针对检测的数据集准备可以参考笔者的博客，这里不再赘述了&nbs
转载
2024-09-09 16:43:28
214阅读
配置文件配置文件yolov3.cfg定义了网络的结构....
[convolutional]
batch_normalize=1
filters=64
size=3
stride=2
pad=1
activation=leaky
[convolutional]
batch_normalize=1
filters=32
size=1
stride=1
pad=1
activation=leaky
# 使用PyTorch配置YOLOv5环境（CPU）
YOLOv5（You Only Look Once Version 5）是一种先进的目标检测模型，基于PyTorch深度学习框架。对于初学者来说，了解如何在CPU环境下配置YOLOv5是非常重要的。本文将带你一步步完成这一过程，确保你能够顺利上手。
## 流程概述
下面是完成YOLOv5环境配置的基本步骤：
| 步骤 | 描述
Win10--Yolov5环境配置一、安装Anaconda3二、创建一个yolov5的环境三、查看自己显卡适合的cuda与cudnn版本四、下载相应的pytorch，cuda与cudnn版本1.更改通道（为了下载的更快）2.下载相应的pytorch，cuda与cudnn3.查看环境中的配置4.出现问题，以及解决方法安装cudnn时出现报错安装cudnn时出现报错解决方法5.验证CUDA和duDN
转载
2024-09-02 11:10:50
842阅读
win10下yolo环境配置（GPU+CPU）1.无GPU版本 vs2015+opencv3.21.1安装vs2015首先需要下载vs，有vs2015最好，如果使用vs2017的话，需要下载v140工具集。我之前安装了vs2017，便偷个懒。1.2安装opencv3.4.0下载源：（ps：速度着实有些慢）https://sourceforge.net/projects/opencvlibrary/
转载
2024-04-19 14:53:58
166阅读
使用 PyTorch Hub 加载 YOLOv5此示例从 PyTorch Hub 加载预训练的 YOLOv5s 模型，model并传递图像进行推理。'yolov5s'是最轻最快的 YOLOv5 型号。import torch
# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')
# Image
im = 'https:/
转载
2024-05-24 08:44:06
302阅读
文章目录前言一、Yolov51、下载Yolov5源码2、下载Yolov5预训练模型二、安装Python虚拟环境1、下载安装Anaconda32、利用Anaconda3下载PyTorch2.1 创建PyTorch环境2.2 查看pytorch环境并激活2.3 激活2.4 安装Pytorch2.5 验证Pytorch是否安装成功2.6 在Pytorch中安装opencv三、PyCharm环境搭建1、
转载
2024-05-06 14:40:21
238阅读
yolo v4源码是开源的，在github上可以下载，并且有很详细的使用说明，本文只是针对windows下环境的安装进行介绍。一、环境搭建本节将进行windows下环境的搭建，我们将需要安装下面各个软件，并且需要注意安装的软件是有版本要求的：Requirements for Windows, Linux and macOS
CMake >= 3.18: https://cmake.org/d
转载
2023-09-12 17:38:13
417阅读
环境： win10 20H2 需要的安装包： Anaconda3-2021.05-Windows-x86_64.exe pycharm-professional-2021.2.1.exe YoloV5源
原创
2024-08-03 23:30:18
1331阅读
PyTorch版YOLOv3代码解读1. 环境&基础知识2. 代码结构2.1 整体结构图2.2 数据准备的data文件夹：2.3 存放配置文件的config文件夹2.4 存放工具函数的utils文件夹 1. 环境&基础知识代码下载地址：https://github.com/eriklindernoren/PyTorch-YOLOv3 系统：win10编译环境：
Package
转载
2023-11-02 10:59:51
119阅读
1、安装anaconda3官方网网址https://www.anaconda.com/download#downloads在这里插入图片描述去到下载的文件夹内，执行命令：bash Anaconda3-2023.09-0-Linux-x86_64.sh在这里插入图片描述在这里插入图片描述在这里插入图片描述1.2、环境变量配置vim ~/.bashrc
// 加入安装目录，换成你前面设置的安装目录
原创
2024-08-27 09:50:53
416阅读
前言也是看别人的博客，碰了很多坑，将近一上午才部署明白。所以在开始之前请大家一定要明确对应版本！请按照步骤一步步来。除此以外，请大家自行下载好YOLOV5源码并解压保存，GitHub - ultralytics/yolov5: YOLOv5 ? in PyTorch > ONNX > CoreML > TFLite一、Anaconda3下载与安装Anaconda | The Wo
转载
2024-06-16 18:24:55
458阅读
目录一、下载yolo5二、安装必要依赖三、安装pytorch四、打标图片制作数据集4.1 导入图片4.2 开始打标4.3 添加标签4.4 进行打标4.5 导出打标数据4.6 打标数据五、整理训练数据5.1 第一层目录5.2 第二层目录5.3 第三层目录六、创建配置文件七、训练数据八、验证数据集九、检测图片 一、下载yolo5首先下载源码：yolo5 github地址我下载的是最新版本：v6.1。
转载
2023-09-01 21:31:03
410阅读
环境：Windows+anaconda+pytorch云端GPU：kaggle。
原创
2023-05-14 22:23:56
1306阅读
目录背景1、Anaconda3安装(1)安装Anaconda3后,换源遇到的问题(2)处理方法(3)Anaconda3环境变量配置2、显卡驱动安装3、安装CUDA(1)安装CUDA(2) 安装cuDNN(3)CUDA环境配置4、安装pytorch，配置pytorch环境，克隆yolov5包(1)安装pytorch(2)检测是否安装成功(3)yolov5-v3.1源码安装配置(4)测试yolov5
转载
2024-04-04 10:23:46
1151阅读
我主要是使用YOLO V3训练粮虫的自制数据集，该文主要是记录自己在复现YOLO V3中的疑问和程序运行的问题，并记录一下。 目录1.制作数据集时，图片是否非要按照程序中要求的416*416进行制作？2.YOLO V3中train.py文件中的main函数中，input_shape=(41.6,416)，自己的数据集的图片大小不是这个，需要修改吗？3.训练模型完成，最后模型保存时出现错误4.在运行
转载
2024-08-12 19:56:50
72阅读
学习要求¶
了解C3结构，方便后续YOLOv5算法的学习 一、前期工作准备部分¶
1、设置GPU¶
In [1]:import torch
import torch.nn as nn
import torchvision.transforms as transforms
import torchvision
from
转载
2023-12-18 22:52:37
125阅读
目录一、背景二、模型调优2.1 基准选取2.1.1 官方精度数据2.1.2 fp32bmodel的精度2.1.3 int8bmodel精度数据2.2 多图量化2.3 预处理对齐&lmdb2.4 网络图优化2.4.1 per_channel优化2.4.2 accuracy_opt优化2.4.3 conv_group优化2.4.4&
