文章目录
- YOLOV5 目标检测算法部署
- 一、本地部署
- 1.安装pytorch
- 2.yolov5模型下载
- 3.yolov5安装测试
- 4.安装Flask
- 5.flask Hello World 演示
- 二、云服务器部署
- 1.安装部署
- 2.释放端口
- 3.后端部署
- 4.前端部署
- 5.screen 使用
YOLOV5 目标检测算法部署
一、本地部署
- 演示系统环境：Ubuntu18.04 , pytorch1.7
1.安装pytorch
- Anconda 安装
- 下载地址：[Anaconda下载]
- 找到当前路径（即下载好anconda包的文件夹）
bash ./Anaconda3-2020.07-Linux-x86_64.sh # 这里对应的是你下载的安装包- 添加Anaconda 国内镜像配置
conda config --add channels
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes- 安装Pytorch
首先为pytorch创建一个anaconda虚拟环境，环境名字（pytorch1.7）,这个可以自己去设置
conda create -n pytorch1.7 python=3.8安装成功之后激活pytorch1.7环境：
conda activate pytorch1.7在创建的Pytorch环境下安装pytorch1.7版本指令如下：
conda install pytorch torchvision cudatoolkit=10.2 -c pytorch # GPU版本
conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cpuonly -c pytorch #仅CPU版本我这里配置的cpu去跑的，因为最终购买的云服务器也是cpu版本，如果是gpu版本的请往下看，cpu的可以不看
- 打开~/.bashrc文件，设置使用Pytorch1.7的环境为python3.8
vim ~/.bashrc # 打开bashrc文件
# 添加路径
alias python='/home/lzq/anaconda3/envs/pytorch1.6/bin/python3.8'
# 上句指令中的用户名"lzq",需要修改成自己的用户名
# 保存并退出
source ~/.bashrc
#执行之后自动返回base环境，需要重新激活：
conda activate pytorch1.72.yolov5模型下载
- 我用的是yolov5-3.1版本，如果想用其他版本，需要对应的权值文件，这里不在赘述
- 如果没有办法科学上网，这里也提供我之前下载的百度网盘内容，我已经将权值文件放进weights文件夹
- 链接：https://pan.baidu.com/s/1z3GNHQ2kFs979XA2aIbQqw 提取码：3shc
3.yolov5安装测试
- 在yolov5路径下执行
python detect.py --source ./inference/images/ --weights weights/yolov5s.pt --conf 0.44.安装Flask
- 在Pytorch1.7虚拟环境下执行
sudo apt-get install flask
sudo apt-get install jsonify
# 如果新增用户提示没有sudoer权限
可以执行一下指令，增加sudoer权限
sudo usermod -aG sudo <username> #这里的<username>指的是新增用户5.flask Hello World 演示
- 在pytorch1.7的环境下，在yolov5-3.1路径下运行：
python flaskhello.py # flask Hello World演示
sh run.sh #yolov5-flask服务启动命令
当出现OSError: [Errno 98] Address already in use解决办法
netstat -tunlp
kill -9 5000 # 杀死5000端口进程- 至此，yolov5本地基于cpu的环境执行完毕，
- 效果展示
- 在yolov5-3.1文件夹下执行
python flaskhello.py- 如上图所示，按ctrl+左键，进入 http://127.0.0.1:5000,显示效果如下图，证明模型没有问题，
紧接着执行
sh run.sh
同样的，进入 http://127.0.0.1:5000 ,出现
进入链接http://0.0.0.0:8888,出现
上传图片测试，可以看到以下效果
二、云服务器部署
1、所谓云服务器部署，就是将在本地部署好的服务器部署到云端，由于云服务器的内存比较小，且没有图形化界面不容易调试，一定要确保在本地运行没有问题之后再部署到云端
2、其次就是关于传输问题，如何将yolov5模型文件传输到云服务器，这边提供一个阿里云的上传方式：文件从本地上传到轻量应用服务器
1.安装部署
后端部署（gunicorn部署）
前端部署（nginx部署）
2.释放端口
- 部署过程将会占用两个端口，我的后端部署占用端口是5000，前端部署占用端口是80，在此之前需要释放端口5000，
- 单击红色区域，进入云服务器。
- 找到对应的防火墙\安全组页面,点击进去
- 点击添加规则，
- 端口范围窗口，输入5000
3.后端部署
- 安装gunicorn
pip install gunicorn # 云服务上默认是没有pip 工具的，需要根据提示安装
# 或者直接通过下面一行代码安装
sudo apt-get install pip
#后端部署指令
gunicorn -w 2 -b 0.0.0.0:5000 flask_app:app- 当完成后端部署之后，可以通过IP地址访问到yolov5模型。
4.前端部署
# 安装nginx
sudo apt-get install nginx
# 新建配置文件
cd /etc/nginx/conf.d/ # 打开这个目录
vim index.conf # 创建index.conf，并通过vim方式将其打开，编辑请按 i， 退出编辑请按esc.
# 配置文件编写
server {
listen 80;
server_name 139.196.186.165; # 修改成自己的IP地址
location / {
root /home/lzq/yolov5-3.1; # 修改成自己的用户名
index index.html index.htm;
try_files $uri $uri/ /index.html;
}
}
# 将算法部署到80端口，这样可以通过http://www.lzqlab.xyz或者http://lzqlab.xyz域名进行访问
server {
listen 80;
server_name www.lzqlab.xyz; # 修改成自己的IP地址
location / {
root /home/lzq/yolov5-3.1; # 修改成自己的用户名
index index.html index.htm;
try_files $uri $uri/ /index.html;
}
}
server {
listen 80;
server_name lzqlab.xyz; # 修改成自己的IP地址
location / {
root /home/lzq/yolov5-3.1; # 修改成自己的用户名
index index.html index.htm;
try_files $uri $uri/ /index.html;
}
}
# 紧接着更新配置文件：
sudo nginx -s reload
# 重启前端部署
sudo service nginx restart5.screen 使用
在Linux系统中，通常我们在执行一些运行时间比较长的任务时，必须等待执行完毕才能断开SSH连接或关闭客户端软件，否则可能会导致执行中断。
使用管理终端screen执行，解决上述问题
- 安装screen工具
Linux系统默认没有screen工具，需要先安装。
# Ubuntu 系列系统安装命令如下所示
sudo apt-get install screen使用说明
#1. 执行如下命令，创建screen窗口
screen -S [$name] # 名字可以自己取
#2. 列出screen窗口
screen -ls
#3. 当需要运行脚本、执行程序时，在命令前添加screen即可
#4. 然后使用ctrl + a,同时再按下d键，就可退出ssh登录，但不会影响screen程序的运行。
#5. 若需要继续工作时，登录实例，然后执行如下命令，恢复会话即可。
#6. 如何进入到已运行的screen？
screen -r [$name]
# 7.如何干掉后端程序重启？
sudo pkill -9 gunicorn引用：
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
