一、anaconda、cuda、cuDNN 等安装参见Yolov5环境配置教程

二、配置conda环境

1、首先conda添加清华源,下载速度会比较快        

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

2、创建一个新的虚拟环境,并命名为yolov5

conda create -n yolov5 python==3.9.7
 

 source activate yolov5

 

3、安装PyTorch,torchvision

检测base环境已经安装版本

在虚拟环境yolov5中安装

conda install pytorch==1.10.2 torchvision==0.11.3

 

 

(yolov5) robot@robot-All-Series:~$ conda install pytorch==1.10.2 torchvision==0.11.3
Collecting package metadata (current_repodata.json): done
Solving environment: done

## Package Plan ##

  environment location: /home/robot/anaconda3/envs/yolov5

  added / updated specs:
    - pytorch==1.10.2
    - torchvision==0.11.3


The following packages will be downloaded:

    package                    |            build
    ---------------------------|-----------------
    cudatoolkit-11.3.1         |       h2bc3f7f_2       549.3 MB
    ffmpeg-4.3                 |       hf484d3e_0         9.9 MB  https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
    freetype-2.11.0            |       h70c0345_0         618 KB
    libwebp-1.2.2              |       h55f646e_0          80 KB
    libwebp-base-1.2.2         |       h7f8727e_0         440 KB
    numpy-1.21.2               |   py39h20f2e39_0          23 KB
    numpy-base-1.21.2          |   py39h79a1101_0         4.9 MB
    pillow-9.0.1               |   py39h22f2fdc_0         669 KB
    pytorch-1.10.2             |py3.9_cuda11.3_cudnn8.2.0_0        1.21 GB  https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
    pytorch-mutex-1.0          |             cuda           3 KB  https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
    six-1.16.0                 |     pyhd3eb1b0_1          18 KB
    torchvision-0.11.3         |       py39_cu113         9.0 MB  https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
    ------------------------------------------------------------
                                           Total:        1.77 GB

The following NEW packages will be INSTALLED:

  blas               pkgs/main/linux-64::blas-1.0-mkl
  bzip2              pkgs/main/linux-64::bzip2-1.0.8-h7b6447c_0
  cudatoolkit        pkgs/main/linux-64::cudatoolkit-11.3.1-h2bc3f7f_2
  ffmpeg             anaconda/cloud/pytorch/linux-64::ffmpeg-4.3-hf484d3e_0
  freetype           pkgs/main/linux-64::freetype-2.11.0-h70c0345_0
  giflib             pkgs/main/linux-64::giflib-5.2.1-h7b6447c_0
  gmp                pkgs/main/linux-64::gmp-6.2.1-h2531618_2
  gnutls             pkgs/main/linux-64::gnutls-3.6.15-he1e5248_0
  intel-openmp       pkgs/main/linux-64::intel-openmp-2021.4.0-h06a4308_3561
  jpeg               pkgs/main/linux-64::jpeg-9d-h7f8727e_0
  lame               pkgs/main/linux-64::lame-3.100-h7b6447c_0
  lcms2              pkgs/main/linux-64::lcms2-2.12-h3be6417_0
  libiconv           pkgs/main/linux-64::libiconv-1.15-h63c8f33_5
  libidn2            pkgs/main/linux-64::libidn2-2.3.2-h7f8727e_0
  libpng             pkgs/main/linux-64::libpng-1.6.37-hbc83047_0
  libtasn1           pkgs/main/linux-64::libtasn1-4.16.0-h27cfd23_0
  libtiff            pkgs/main/linux-64::libtiff-4.2.0-h85742a9_0
  libunistring       pkgs/main/linux-64::libunistring-0.9.10-h27cfd23_0
  libuv              pkgs/main/linux-64::libuv-1.40.0-h7b6447c_0
  libwebp            pkgs/main/linux-64::libwebp-1.2.2-h55f646e_0
  libwebp-base       pkgs/main/linux-64::libwebp-base-1.2.2-h7f8727e_0
  lz4-c              pkgs/main/linux-64::lz4-c-1.9.3-h295c915_1
  mkl                pkgs/main/linux-64::mkl-2021.4.0-h06a4308_640
  mkl-service        pkgs/main/linux-64::mkl-service-2.4.0-py39h7f8727e_0
  mkl_fft            pkgs/main/linux-64::mkl_fft-1.3.1-py39hd3c417c_0
  mkl_random         pkgs/main/linux-64::mkl_random-1.2.2-py39h51133e4_0
  nettle             pkgs/main/linux-64::nettle-3.7.3-hbbd107a_1
  numpy              pkgs/main/linux-64::numpy-1.21.2-py39h20f2e39_0
  numpy-base         pkgs/main/linux-64::numpy-base-1.21.2-py39h79a1101_0
  openh264           pkgs/main/linux-64::openh264-2.1.1-h4ff587b_0
  pillow             pkgs/main/linux-64::pillow-9.0.1-py39h22f2fdc_0
  pytorch            anaconda/cloud/pytorch/linux-64::pytorch-1.10.2-py3.9_cuda11.3_cudnn8.2.0_0
  pytorch-mutex      anaconda/cloud/pytorch/noarch::pytorch-mutex-1.0-cuda
  six                pkgs/main/noarch::six-1.16.0-pyhd3eb1b0_1
  torchvision        anaconda/cloud/pytorch/linux-64::torchvision-0.11.3-py39_cu113
  typing_extensions  pkgs/main/noarch::typing_extensions-3.10.0.2-pyh06a4308_0
  zstd               pkgs/main/linux-64::zstd-1.4.9-haebb681_0


Proceed ([y]/n)? y


Downloading and Extracting Packages
cudatoolkit-11.3.1   | 549.3 MB  | ################################################################################################################### | 100% 
six-1.16.0           | 18 KB     | ################################################################################################################### | 100% 
libwebp-1.2.2        | 80 KB     | ################################################################################################################### | 100% 
pillow-9.0.1         | 669 KB    | ################################################################################################################### | 100% 
pytorch-1.10.2       | 1.21 GB   | ################################################################################################################### | 100% 
torchvision-0.11.3   | 9.0 MB    | ################################################################################################################### | 100% 
numpy-1.21.2         | 23 KB     | ################################################################################################################### | 100% 
pytorch-mutex-1.0    | 3 KB      | ################################################################################################################### | 100% 
numpy-base-1.21.2    | 4.9 MB    | ################################################################################################################### | 100% 
libwebp-base-1.2.2   | 440 KB    | ################################################################################################################### | 100% 
ffmpeg-4.3           | 9.9 MB    | ################################################################################################################### | 100% 
freetype-2.11.0      | 618 KB    | ################################################################################################################### | 100% 
Preparing transaction: done
Verifying transaction: done
Executing transaction: \ By downloading and using the CUDA Toolkit conda packages, you accept the terms and conditions of the CUDA End User License Agreement (EULA): https://docs.nvidia.com/cuda/eula/index.html

最后验证pytorch和torchvision是否安装好

python
import torch
torch.__version__
import torchvision
torchvision.__version__

4、安装requirements.txt其他包

pip install -r requirements.txt
# pip install -r requirements.txt

# Base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.2
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.41.0

# Logging -------------------------------------
tensorboard>=2.4.1
# wandb

# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0

# Export --------------------------------------
# coremltools>=4.1  # CoreML export
# onnx>=1.9.0  # ONNX export
# onnx-simplifier>=0.3.6  # ONNX simplifier
# scikit-learn==0.19.2  # CoreML quantization
# tensorflow>=2.4.1  # TFLite export
# tensorflowjs>=3.9.0  # TF.js export
# openvino-dev  # OpenVINO export

# Extras --------------------------------------
# albumentations>=1.0.3
# Cython  # for pycocotools https://github.com/cocodataset/cocoapi/issues/172
# pycocotools>=2.0  # COCO mAP
# roboflow
thop  # FLOPs computation

5、下载权重文件

 在https://github.com/ultralytics/yolov5/releases中下载4个权重文件,放到工程路径下的weights文件夹中。

一般这四个就够用了,s是最小的,速度最快,但是精度不高。

5. 运行demo

然后输入python detect.py --source 0 --weights=“weights/yolov5s.pt” (如果设备有摄像头)
或者python detect.py --source=data/images/bus.jpg --weights=weights/yolov5s.pt(设备没有摄像头)
前者会打开摄像头并实时探测物品,后者将用工程自带的一张测试图片进行测试。运行结束后,会打印结果文件的位置。在这个位置中可以找到测试结果。

出现cuda错误,我原来安装的是cuda 10.2 驱动为4xx版,重新安装驱动最新510版本,Ubuntu下安装NVIDIA驱动的三种方法

结果为:

 

 参考:

1、Yolov5环境配置教程 - (ubuntu)

 [译] 再看 Flask 视频流 - 知乎取消[译] 再看 Flask 视频流 - 知乎

使用YOLOv5实现多路摄像头实时目标检测

yolov5检测视频流的原理、detect.py解读


Yolov5部署成为Python接口 当然是用flask实现啦~ yolo5写成接口_Andrwin的博客-CSDN博客_python yolov5

 vue+flask实现视频目标检测yolov5

Flask部署YOLOv5 - 知乎

【Yolov5】训练自己的yolov5模型并集成到安卓应用中【上】在WEB端部署YOLOv5目标检测(Flask+VUE)

实用教程详解:模型部署,用DNN模块部署YOLOv5目标检测(附源代码)


【Yolov5】训练自己的yolov5模型并集成到安卓应用中【上】——模型训练_兔丁说码-CSDN博客_yolov5安卓

【Yolov5】训练yolov5模型并集成到安卓应用中(中)

YOLOv5 从配置到部署_Cmoooon的博客-CSDN博客_yolov5 部署(只有训练)

YOLOv5从入门到部署之:训练私有数据并修改模型 - 知乎 backbone换成mobilenetv2

YOLOv5从入门到部署之:配置与初始化超参 - 知乎

YOLOv5从入门到部署之:数据读取与扩增 - 知乎

YOLOv5从入门到部署之:网络和损失函数 - 知乎

yolov5笔记(3)——移动端部署自己的模型

用安卓手机解锁目标检测模型YOLOv5,识别速度不过几十毫秒!

【教程】YOLOv5模型转化-Android端部署__less is more的博客

YOLOv5从入门到部署之:模型部署

##如何在阿里云服务器上部署yolov5模型##

YOLO v5 在学校服务器上搭建(搭建多次才成功的经验)_zhangyan的博客-CSDN博客

[Yolo部署落地系列教程](2)Yolov5之Pytorch部署_是小晰呱啊的博客-CSDN博客_yolo部署

【全流程】从头在树莓派4B上部署自己训练的yolov5模型(配合NCS2加速)

yolov5_train_system: 基于Yolov5的前端目标检测、训练系统

 yolov4 flask部署web服务(视频检测)_学术菜鸟小晨的博客-CSDN博客

双目目标检测+测距部署到flask视频流服务器【2021计算机设计大赛国二项目】_哔哩哔哩_bilibili

双目目标检测+测距部署到flask视频流服务器【2021计算机设计大赛国二项目】_哔哩哔哩_bilibili

Logo

前往低代码交流专区

更多推荐