标签：实战 YOLOv5 detect False 模型 py yolov5 images 安装
目录
源码地址：https://github.com/ultralytics/yolov5
配置环境
Ubuntu18.04
本篇创建虚拟环境training_pytorch，并安装python3.8.5，torch1.7.1进行yolov5环境的配置。
所需依赖的安装，并没有遇到别的博客中所描述的，记忆中一切都很顺利，也许缺啥补啥吧。直接按照源码地址中描述的安装即可。
pip install -r requirements.txt
requiremets.txt包含的依赖包如下图所示(202101010)。
下载预训练模型
目前，在YOLOv5中一共包含5种与训练模型，网络输入分辨率、精度、参数量、实时性如下图所示。预训练模型链接。建议刚开始配置时选择最轻量级的YOLOv5s模型，下载起来相对快一些。
试用模型Inference
基础环境搭好以后，便可以使用试用模型进行检测，预训练模型支持80个类别的识别。所以可以先用来检验环境搭建是否成功。
为了简化试用模型时，调用detect.py所需要的配置参数，可以对默认参数进行修改。如下图所示。
修改后，执行detect.py后，便可以在runs/detect/exp中看到相应的检测结果。
python detect.py
当然，如果不想修改detect.py的默认配置，可以通过调用detect.py传参的方式进行。
python detect.py --weights yolov5s.pt --img 640 --conf 0.25 --source data/images/
Image(filename='runs/detect/exp/zidane.jpg', width=600)
Namespace(agnostic_nms=False, augment=False, classes=None, conf_thres=0.25, device='', exist_ok=False, img_size=640, iou_thres=0.45, name='exp', project='runs/detect', save_conf=False, save_txt=False, source='data/images/', update=False, view_img=False, weights=['yolov5s.pt'])
YOLOv5 v4.0-21-gb26a2f6 torch 1.7.0+cu101 CUDA:0 (Tesla V100-SXM2-16GB, 16130.5MB)
Fusing layers...
Model Summary: 224 layers, 7266973 parameters, 0 gradients, 17.0 GFLOPS
image 1/2 /content/yolov5/data/images/bus.jpg: 640x480 4 persons, 1 buss, 1 skateboards, Done. (0.011s)
image 2/2 /content/yolov5/data/images/zidane.jpg: 384x640 2 persons, 2 ties, Done. (0.011s)
Results saved to runs/detect/exp
Done. (0.110s)
下面是github上给出的参数配置示例：
对于有行人、汽车检测背景需要的同学，可以先用预训练模型试试自己场景的图像。
标签：实战,YOLOv5,detect,False,模型,py,yolov5,images,安装 来源： https://www.cnblogs.com/monologuesmw/p/14465238.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。