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
|
人工智能 API 开发者
用Qwen3+MCPs实现AI自动发布小红书笔记!支持图文和视频
魔搭自动发布小红书MCP,是魔搭开发者小伙伴实现的小红书笔记自动发布器,可以通过这个MCP自动完成小红书标题、内容和图片的发布。
4401 41
|
Web App开发 人工智能 JSON
Windows版来啦!Qwen3+MCPs,用AI自动发布小红书图文/视频笔记!
上一篇用 Qwen3+MCPs实现AI自动发小红书的最佳实践 有超多小伙伴关注,同时也排队在蹲Windows版本的教程。
2754 1
|
存储 数据可视化 测试技术
一个测试工程师的实战笔记:我是如何在Postman和Apipost之间做出选择的?
优秀的API测试工具应该具备: 分层设计:既有可视化操作,也开放代码层深度定制 场景感知:自动识别加密需求推荐处理方案 协议包容:不强迫开发者为了不同协议切换工具 数据主权:允许自主选择数据存储位置
717 7
|
人工智能 自然语言处理 搜索推荐
Open Notebook:开源 AI 笔记工具,支持多种文件格式,自动转播客和生成总结,集成搜索引擎等功能
Open Notebook 是一款开源的 AI 笔记工具,支持多格式笔记管理,并能自动将笔记转换为博客或播客,适用于学术研究、教育、企业知识管理等多个场景。
2660 0
Open Notebook:开源 AI 笔记工具,支持多种文件格式,自动转播客和生成总结,集成搜索引擎等功能
|
机器学习/深度学习 弹性计算 自然语言处理
前端大模型应用笔记(二):最新llama3.2小参数版本1B的古董机测试 - 支持128K上下文,表现优异,和移动端更配
llama3.1支持128K上下文,6万字+输入,适用于多种场景。模型能力超出预期,但处理中文时需加中英翻译。测试显示,其英文支持较好,中文则需改进。llama3.2 1B参数量小,适合移动端和资源受限环境,可在阿里云2vCPU和4G ECS上运行。
1591 1
|
JSON 算法 数据可视化
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算(目标检测)
这篇文章是关于如何通过算法接口返回的目标检测结果来计算性能指标的笔记。它涵盖了任务描述、指标分析(包括TP、FP、FN、TN、精准率和召回率),接口处理,数据集处理,以及如何使用实用工具进行文件操作和数据可视化。文章还提供了一些Python代码示例,用于处理图像文件、转换数据格式以及计算目标检测的性能指标。
589 0
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算(目标检测)
|
人工智能 语音技术 计算机视觉
AI:基于计算机视觉和语音识别案例项目打包过程记录20181226-19
AI:基于计算机视觉和语音识别案例项目打包过程记录20181226-19
|
消息中间件 人工智能 安全
云原生进化论:加速构建 AI 应用
本文将和大家分享过去一年在支持企业构建 AI 应用过程的一些实践和思考。
2831 99
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
1219 30

热门文章

最新文章