三个步骤即可跑通yolov5
Ultralytics已经把工程简化到了极致,跑起来只需要3个步骤
快速入门 -Ultralytics YOLOv8 文档
1.Anaconda 创建工作环境
安装一下Anaconda,这个是为了隔离不同的运行环境用的,类似虚拟机一样帮你分开不同的工作区间
Anaconda: https://www.anaconda.com/download/success
装完后要配置一下环境变量,安装的时候没有配置上去,可以直接在搜索搜编辑系统环境变量,我建议是用户和系统的Path里面都填上这三个路径
环境变量设置.png
有环境变量后Win+R打开cmd,输入以下命令正常创建工作区,这里命名为yolov5
conda env list
conda create -n yolov5 python=3.8
conda activate yolov5
conda init
2. 安装环境:
找到yolov5的源码并下回来解压,里面有个requirements.txt文件
yolov5: https://github.com/ultralytics/yolov5
- 在你创建的conda环境下,cd进入这个目录,输入下列命令去自动安装环境,pip会自动去下载requirements.txt里面写的环境,后面是清华园的镜像,可以加速下载
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
- 安装pytorch+cuda,1.8.2很稳定,也可以自己去找自己喜欢的版本https://pytorch.org/get-started/previous-versions/
pip3 install torch==1.8.2 torchvision==0.9.2 torchaudio==0.8.2 --extra-index-url https://download.pytorch.org/whl/lts/1.8/cu111
3. yolov5 + cv2 摄像头检测代码
- 创建一个yolov5.py文件,复制进去执行即可
import torch
import cv2
import numpy as np
# 加载预训练的YOLOv5模型
model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)
# 打开摄像头0
cap = cv2.VideoCapture(0)
while cap.isOpened():
ret, frame = cap.read()
if not ret:
break
# 对获取的帧进行推理
results = model(frame)
# 显示结果
cv2.imshow('YOLOv5 Detection', np.squeeze(results.render()))
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 释放摄像头资源
cap.release()
cv2.destroyAllWindows()
中途可能说找不到环境,需要在vscode中输入 >python select interpreter ,点击选择解释器,去指定一下我们创建的conda环境(yolov5)
选择解释器.png
-
运行成功
物体检测.png
适用于2024.4.12,下一篇将尝试自己创建数据集,并训练自己的pt文件
