为了写这一篇文章,我是从新创建了一个虚拟环境,一边配置一边记录。一来时记录一下之前的入的坑,二来是为了方便后来学习者。话不多说,进入主题----------------
yolov5 github链接
https://github.com/ultralytics/yolov5
Anaconda创建虚拟环境
conda create -n yolov5_pro python==3.7
上面的bash指令是创建一个名称为yolov5_pro的虚拟环境,python版本是3.7。
创建好yolov5_pro环境以后,使用下面的指令进入该环境下进行操作:
conda activate yolov5_pro
到此处已经创建好虚拟环境。
配置yolov5环境
直接引用github上面的指令是和本人安装的cuda冲突,最后的结果是没法使用cuda加速。所以我打算先安装pytorch,自己选择cudatoolkit版本。
链接:https://pytorch.org/get-started/locally/
例子就按照作者本人环境来安装:
安装完成以后,打开pycharm,导入先前下载好的yolov5代码。找到我们创建好的yolov5_pro虚拟环境。
(静静等下面的进度条更新完以后再操作哦!)
然后自行创建一个文件,文件名称自己设置即可,代码如下:
[目的是测试下cuda是否在该环境下(yolov5_pro)可用]
import torch
print(torch.cuda.is_available())
一会时间结束以后,打开train.py文件以后,看到上面缺失了部分环境。我是选择挨个进行下载,为的就是防止之前安装的环境被更新。
依次安装环境代码如下:
pip install matplotlib
pip install opencv-python
pip install opencv-python
pip install scipy
pip install tqdm
pip install tensorboard
pip install seaborn
>pip install thop
环境配置到此结束!
运行train.py
数据集VOC格式的准备我就在这篇文章上没有明确的说明了。不懂得就问我哦。
train.py的一些设置如图所示(本人设置)。如果电脑配置(好)差一点的话可以根据自己的需要设置一下。
Model使用的是yolov5s。
训练的结果保存在了runs下面的。
运行结果图。
.