1 服務器搭建yolov5環(huán)境

1.1 創(chuàng)建環(huán)境

首先先的在本地環(huán)境下搭建一個我們的環(huán)境，名字設(shè)為yolo5-6

conda create -n yolov5-6 python=3.7#創(chuàng)建環(huán)境
conda activate yolov5-6#切換yolov5-6環(huán)境

創(chuàng)建包完成后，我們需要查看conda環(huán)境下是否有我們剛才創(chuàng)建的環(huán)境，通過以下的指令可以查看所有的環(huán)境。

conda env list

通過以下指令可以查看服務器的cuda版本。

conda env list

1.2 跟隨官方指引

根據(jù)官方的說法快速入門 - YOLOv5 文檔 (ultralytics.com)，我們最開始需要克隆存儲庫。但是這樣做會很慢，因為服務器連接到github容易斷連，故我們可以提前把庫下載下來并且解壓，然后上傳到服務器上。

上傳文件

對于連接服務器的學者來說，很多人喜歡用Xshell，但是實際上，finalshell更適合用來服務器的傳輸文件工作。所以下載finalshell可以很方便的去上傳文件。

通常來說，下載后的文件應該是這個名字。

當我們上傳到服務器的時候，我們需要進入cd定位到y(tǒng)olov5-master這個文件夾中，通過ls查看是否有requirements.txt這個文件。如果沒有，無論是可視化還是非可視化，你都必須把cd定位到包含有這個文件的文件夾下。

據(jù)官方所說，我們要從克隆的存儲庫目錄安裝所需的軟件包。但是如果是使用外國的pip，下載速度會滿到離譜，故我們使用清華園進行下載。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt -r requirements.txtLooking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple

下載完成。

使用以下指令讓我們看下yolo需要運行的包是否已經(jīng)裝好。

pip list

明顯，已經(jīng)裝好了。

2 下載預訓練權(quán)重

一般為了縮短網(wǎng)絡(luò)的訓練時間，并達到更好的精度，我們一般加載預訓練權(quán)重進行網(wǎng)絡(luò)的訓練。而yolov5的5.0版本給我們提供了幾個預訓練權(quán)重，我們可以對應我們不同的需求選擇不同的版本的預訓練權(quán)重。預訓練權(quán)重越大，訓練出來的精度就會相對來說越高，但是其檢測的速度就會越慢。

點擊下面的鏈接即可進入預訓練模型的下載。要拉到最下面哦。

GitHub - ultralytics/yolov5 at v6.1

需要注意的是，在執(zhí)行前幾步操作的時候，實際上已經(jīng)自帶yolov5s了權(quán)重文件(.pt)和一些其他模型配置文件了(.yaml)。

需要注意的是，大、并不代表你就跑得動，如果你是實驗室級別的，那么歡迎你下載那個最好用的，但是如果是學校服務器這類的，那么5s相信已經(jīng)足夠你用了【雖然速度最快，效果最拉胯】，因為在跑模型的時候是需要充分考慮顯卡的顯存的。

3 推理

接下來我們需要下載yolov5的模型。在這一步中無法加速了，只能等了。

任意新建一個.py文件，然后寫入如下的代碼，在終端運行。

import torch
# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')  # or yolov5m, yolov5l, yolov5x, custom
# Images
img = 'https://ultralytics.com/images/zidane.jpg'  # or file, Path, PIL, OpenCV, numpy, list
# Inference
results = model(img)
# Results
results.print()  # or .show(), .save(), .crop(), .pandas(), etc.

通過finalshell將該文件傳入服務器，然后使用指令啟動它。

python Test02.py

4 測試

–source表示測試數(shù)據(jù)，–project指定保存路徑，–weights指定測試模型。我們使用yolov5master文件夾中官方自帶的測試文件來測試一下yolov5s模型是否可用。

在shell命令窗口輸入以下指令：

python detect.py --source data/images/zidane.jpg --weights v5_pre_models/yolov5s.pt --project out --img-size 640

最新評論