AI计算机视觉笔记十四:YOLOV5环境搭建及测试全过程

简介: 本文详细记录了在Windows 10环境下从零开始搭建yolov5环境并进行测试的全过程,涵盖环境配置、依赖安装及模型测试等关键步骤。文章首先介绍了所需环境(Python 3.8、yolov5-5.0),接着详细说明了如何使用Miniconda3创建与激活虚拟环境,并通过具体命令演示了如何下载安装yolov5及相关依赖库。最后,通过一系列命令展示了如何下载预训练模型并对示例图像进行目标检测,同时解决了一些常见错误。适合初学者跟随实践。如需转载,请注明原文出处。

若该文为原创文章,转载请注明原文出处。

记录yolov5从环境搭建到测试全过程。

一、运行环境

1、系统:windows10 (无cpu)

2、yolov5版本:yolov5-5.0

3、python版本:py3.8

在创建虚拟环境前需要先把miniconda3和pytorch安装好。

二、虚拟环境搭建

1、打开Anaconda Powershell Prompt(miniconda3)终端,执行下面命令创建python虚拟环境

conda create -n your_env_name python=x.x
conda create -n yolov5_env python=3.8
创建名为yolov5_env,py3.8的虚拟环境,遇到需要输入时,输入y,会安装一些基本的包。
image.png
如果创建过程中出错或长时间等待,自行换轮子(源)

创建成功后会提示激活环境等,如下图。

image.png
按提示,激活环境

conda activate yolov5_env
激活后,环境就修改了
image.png

三、yolov5测试

1、下载5.0版本

Tags · ultralytics/yolov5 · GitHub

image.png
下载后,解压,然后从终端进入目录,比如解压后的文件放在桌面,使用命令cd进入:
image.png

目录下有个README.md已经写得很清楚了,可以参照上面的去操作。

2、安装Requirements
要求python3.8, torch>=1.7,在requirements.txt文件里有指定版本

执行下面命令安装即可,安装如果太慢,就使用国内的源

pip install -r requirements.txt
太慢使用下面指令安装,使用的是清华源

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
第一次安装可能会有点久,需要耐心等待

image.png
3、测试
测试前需要先下载使用的权重文件。

下载地址:

Release v5.0 - YOLOv5-P6 1280 models, AWS, Supervise.ly and YouTube integrations · ultralytics/yolov5 · GitHub

image.png
下载yolov5s.pt文件,也可以下载其他的,在yolov5-5.0目录下创建weights,把下载的yolov5s.pt放到weights目录下。

image.png

接下来使用下面命令测试

python detect.py --source data/images/zidane.jpg --weights weights/yolov5s.pt
执行后出错了attributeerror: 'upsample' object has no attribute 'recompute_scale_factor'这个错误,这个错误是PyTorch的版本问题,

降低PyTorch的版本到1.9.0,PyTorch的历史版本Previous PyTorch Versions | PyTorch

pytorch需要根据自己的电脑安装,我使用的是CPU,所以指令最后一条指令

# CUDA 10.2
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=10.2 -c pytorch

# CUDA 11.3
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=11.3 -c pytorch -c conda-forge

# CPU Only
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cpuonly -c pytorch

安装后在次执行,出现“ImportError: DLL load failed while importing _imaging: 找不到指定的模块”的错误

重装pillow:
pip uninstall pillow

pip install pillow

运行成功后,会把结果输出保存到runs/detect/expX中。
image.png
参数

--source:输入源

              0  # webcam
              file.jpg  # image 
             file.mp4  # video
             path/  # directory
             path/*.jpg  # glob
             'https://youtu.be/NUsoVlDFqZg'  # YouTube video
             'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP stream

--weights:权重文件,可以是自己训练的,测试使用的是github提供的

参数还有很多,详细参考github上

如此,测试完成,接下来自己编写一个简单的测试程序,并训练自己的数据集。

相关文章
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
探索AI在软件测试中的转型力量###
本文深入探讨了人工智能(AI)技术在软件测试领域的应用现状与未来趋势,通过分析AI如何优化测试流程、提高测试效率与质量,揭示了AI赋能下软件测试行业的转型路径。传统测试方法面临效率低、成本高、覆盖率有限等挑战,而AI技术的引入正逐步改变这一格局,为软件测试带来革命性的变化。 ###
|
2月前
|
人工智能 自然语言处理 测试技术
用图灵测试检验AI尤其是大语言模型,真的科学吗?
【9月更文挑战第25天】《Does GPT-4 Pass the Turing Test?》一文评估了先进AI模型GPT-4的图灵测试表现。尽管GPT-4在某些对话中成功迷惑了参与者,但其整体成功率仅为41%,低于人类的63%。图灵测试作为评估AI语言能力的工具依然有效,但存在局限性,如无法评估AI的认知机制且受主观判断影响。此外,测试还引发了关于AI智能及伦理的讨论。
122 6
|
2月前
|
人工智能 数据可视化 API
10 分钟构建 AI 客服并应用到网站、钉钉或微信中测试评
10 分钟构建 AI 客服并应用到网站、钉钉或微信中测试评
90 2
|
4天前
|
机器学习/深度学习 数据采集 人工智能
探索AI驱动的自动化测试新纪元###
本文旨在探讨人工智能如何革新软件测试领域,通过AI技术提升测试效率、精准度和覆盖范围。在智能算法的支持下,自动化测试不再局限于简单的脚本回放,而是能够模拟复杂场景、预测潜在缺陷,并实现自我学习与优化。我们正步入一个测试更加主动、灵活且高效的新时代,本文将深入剖析这一变革的核心驱动力及其对未来软件开发的影响。 ###
|
10天前
|
机器学习/深度学习 人工智能 安全
AI真的能与人类数据科学家竞争吗?OpenAI的新基准对其进行了测试
AI真的能与人类数据科学家竞争吗?OpenAI的新基准对其进行了测试
|
10天前
|
存储 人工智能 Java
将 Spring AI 与 LLM 结合使用以生成 Java 测试
AIDocumentLibraryChat 项目通过 GitHub URL 为指定的 Java 类生成测试代码,支持 granite-code 和 deepseek-coder-v2 模型。项目包括控制器、服务和配置,能处理源代码解析、依赖加载及测试代码生成,旨在评估 LLM 对开发测试的支持能力。
22 1
|
12天前
|
机器学习/深度学习 人工智能 自然语言处理
探索AI在软件测试中的创新应用与实践###
本文旨在探讨人工智能(AI)技术如何革新软件测试领域,提升测试效率、质量与覆盖范围。通过深入分析AI驱动的自动化测试工具、智能化缺陷预测模型及持续集成/持续部署(CI/CD)流程优化等关键方面,本研究揭示了AI技术在解决传统软件测试痛点中的潜力与价值。文章首先概述了软件测试的重要性和当前面临的挑战,随后详细介绍了AI技术在测试用例生成、执行、结果分析及维护中的应用实例,并展望了未来AI与软件测试深度融合的趋势,强调了技术伦理与质量控制的重要性。本文为软件开发与测试团队提供了关于如何有效利用AI技术提升测试效能的实践指南。 ###
|
23天前
|
人工智能 监控 JavaScript
模拟依赖关系和 AI 是Vue.js测试的下一个前沿领域
模拟依赖关系和 AI 是Vue.js测试的下一个前沿领域
17 1
|
23天前
|
人工智能 自动驾驶 机器人
【通义】AI视界|苹果自动驾驶汽车项目画上句号:加州测试许可被取消
本文精选了24小时内的重要科技新闻,包括Waymo前CEO批评马斯克对自动驾驶的态度、AMD发布新款AI芯片但股价波动、苹果造车项目终止、Familia.AI推出家庭应用以及AI逆向绘画技术的进展。更多内容请访问通义官网体验。
|
24天前
|
机器学习/深度学习 人工智能 安全
自动化测试的未来:AI与机器学习的结合
随着技术的发展,软件测试领域正迎来一场革命。自动化测试,一度被认为是提高效率和准确性的黄金标准,如今正在被人工智能(AI)和机器学习(ML)的浪潮所推动。本文将探讨AI和ML如何改变自动化测试的面貌,提供代码示例,并展望这一趋势如何塑造软件测试的未来。我们将从基础概念出发,逐步深入到实际应用,揭示这一技术融合如何为测试工程师带来新的挑战和机遇。
50 2

热门文章

最新文章