上一篇深度学习环境配置
1.clone代码+切换环境+安装依赖
git clone https://github.com/ultralytics/yolov5
cd yolov5
conda activate yolov5_env
修改一下requirements.txt:
再执行:
pip install -r requirements.txt
单独安装torch、torchvision
下载地址两者对应关系一般是torch1.7.0-torchvision0.8.0、torch1.8.0-torchvision0.9.0、torch1.9.0-torchvision0.10.0
例如(cu111表示cuda-11.1,cp38表示python3.8):
安装:
pip install torch的下载路径
pip install torchvision的下载路径
例如:
2.跑官方示例:
python detect.py --source ./data/images/bus.jpg
3.训练:
python train.py --data=coco128.yaml --cfg=yolov5s.yaml --weights='yolov5s.pt' --batch-size=8
4.标注:
工具labelimg
5.训练自己标注的数据集
复制一份coco128.yaml,并重命名,然后修改为自己数据集的路径及类别。
python train.py --data=coco128(copy).yaml --cfg=yolov5s.yaml --weights='yolov5s.pt' --batch-size=8