在window系统下跑yolo5【记录+心得】

已于 2024-10-30 12:54:27 修改
阅读量1.5k 收藏 12
点赞数 6
CC 4.0 BY-SA版权
分类专栏： opencv 文章标签： windows
于 2024-05-20 11:09:38 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45640207/article/details/139001942

前言

【2024/6/3】2号花了一天时间训练了200张图片，搞了个元件检测的数据集合。于是加入了调用检测视频的指令。但是识别视频的过程不能调用出来，我很不满意。

训练步骤总结

总的来说 YOLO安装就是四个步骤
1、环境安装
2、数据集制作
3、训练模型
4、预测图片

一、环境安装

去github下载大佬的文件或者用
git clone xxx
GitHub中文站真的是个好东西啊~！
在这里插入图片描述

查看GPU有没有

查看自己的电脑的电脑是不是支持GPU
（该指令仅适用于 NVIDIA 的GPU）

nvidia-smi

是11.2版本的

在这里插入图片描述
顺便一提，CPU跑起来真的太费劲了，我之前训练的模型，只有20张图片，跑起来CPU直接拉满 ，时刻担心蓝屏警告 ~ O ~
在这里插入图片描述
所以各位，如果可以还是GPU吧！

小步骤
conda安装

首先，在conda创建环境.

conda create -n toyolo2 python==3.9

创建好，进入

conda activate toyolo2

在这里插入图片描述
下载PyTorch

这一步蜜汁步骤就是为了证明，CUDA官网给的版本是要求的最低版本

我这里下载了个CUDA 11.3的

# CUDA 11.3
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch

在这里插入图片描述
显示是错误的，看来列出的版本是最低需求的。
在这里插入图片描述

最低0.47元/天 解锁文章

200万优质内容无限畅学
YOLOv5在windows部署
m0_62150796的博客
04-02 1413
zlib的zlibwapi.dll ， 粘贴到cuda 的bin。TensorRT，找到python,pip install。yolov5的utilis/flask_rest_api/cudnn 安装下载zip 粘贴到cuda的bin。pt 原模型 detect图片是384 640。lib文件 ， 粘贴到cuda 的bin。engine 图片是640 640。主要是图片大小对推理速度的影响。cuda安装一路next。
Windows配置Yolov5环境全过程
qxl_799915的博客
10-29 2955
从头到尾完整搭建yolov5训练环境
计算机视觉---YOLOv5
最新发布
MzKyle的博客
06-02 1387
YOLOv5是YOLO系列目标检测框架的最新改进版本，采用单阶段检测架构，包含主干网络、颈部网络和检测头三部分。相比YOLOv4，YOLOv5在轻量化和硬件适应性方面有显著优化：1)主干网络采用改进的CSPDarknet，支持动态深度和宽度因子调节；2)颈部网络使用轻量化PANet结构；3)检测头支持自适应锚框计算和多尺度检测。主要改进包括：模型轻量化设计、自适应训练与推理优化、PyTorch原生实现带来的部署便利性、改进的训练策略和数据增强。
Windows配置yolov5训练环境（VOC+TXT两种数据集）+自动标注数据集
2301_76165902的博客
12-05 3812
yolov5最新配置教程，cuda+cudnn+pytorch环境配置+训练过程详解+自动生成标志文件（txt）。训练过程包括两种类型VOC和TXT，最后yolov5是使用txt类型训练的，这里提供了类型转换代码。
Windows系统之Yolov5的安装教程笔记
Cr_NanMao的博客
11-16 4217
下载完成后会在开始菜单中多出一个快捷方式，和一些Anaconda的子程序。比如常用的“Anaconda Prompt（anaconda）”。在命令行窗口打开Yolov5安装的根目录 ，如下：（安装比较慢，需要耐心等待）下载完成之后将四个.pt文件放到Yolov5的根目录下。-------今天不学习，明天变垃圾。进行完以上的测试，说明Yolov5已经安装完成了。这两个模型输出的结果保存在文件夹detect中。使用自己拍摄的一小段视频放入images文件夹中。解压到自定义目录中。
yolov5模型训练（Windows）
知识就是力量
03-08 883
以训练口罩模型为样，记录模型训练全过程
YOLO v1~v3学习心得
8000的博客
07-16 2691
#YOLO v1 #YOLO v2 #YOLO v3
记录自己安装yolov5系统环境的心得和各种踩坑（初学者安装前最好看看）
yeahxbf的博客
04-30 2251
1.对于纯新手安装yolov5，只需要准备：anaconda安装包、pycharm社区版、yolov5源码就可以。 2.找一份看得懂的安装教程，这里推荐(17条消息) 目标检测--手把手教你搭建自己的YOLOv5目标检测平台_炮哥带你学的博客-CSDN博客 ......
树莓派4B+因特尔二代神经棒（NCS2）部署yolov3-tiny错误记录
weixin_44010937的博客
06-19 822
树莓派4B加NCS2部署yolov3-tiny.weights心得体会
OrangePi AIpro 香橙派 测评体验——YOLOv5水果识别项目
07-16 1976
OrangePi AIpro（20T）采用昇腾AI技术路线，具体为4核64位处理器+AI处理器，集成图形处理器，支持20TOPS AI算力，拥有12GB/24GB LPDDR4X，可以外接32GB/64GB/256GB eMMC模块，支持双4K高清输出。
Windows下配置YOLOv5环境, 保姆级教程
nanxl1的博客
03-13 1675
windows下配置yolov5环境保姆级教程，anaconda+pycharm+git，解决pycocotoolswindows下安装错误问题。
YOLOv5(PyTorch)实战：训练自己的数据集(Windows)
06-30
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高，更加灵活和便利。  本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。  本课程的YOLOv5使用ultralytics/yolov5，在Windows系统上做项目演示。包括：安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型和性能统计。  希望学习Ubuntu上演示的同学，请前往 《YOLOv5(PyTorch)实战：训练自己的数据集(Ubuntu)》课程链接：https://edu.csdn.net/course/detail/30793  本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括： 《YOLOv5(PyTorch)目标检测实战：训练自己的数据集》 Ubuntu系统 https://edu.csdn.net/course/detail/30793 Windows系统 http
超级详细Windows11部署YOLOV5并训练自己的数据集
2301_81286570的博客
02-11 2822
完成后，运行python detect.py即可,在runs/detect/exp文件路径下，能够显示以下图片，表示yolov5部署成功。首先打开pycharm，新建项目，如下图所示，找到下载好的anaconda文件夹中python路径，接着点击创建。将下载好的cudnn文件夹中的include，bin，lib分别放到cuda对应的文件夹中。找到对应的cudnn版本，点击下载安装即可，下载完成后，解压到容易找到的路径。打开环境变量，注意，这次是在上面的栏目找到path，点击进行编辑。
深度学习-第一章-Yolov5-Window下安装Yolov5
Blueeyedboy521的博客
06-29 324
github：https://github.com/ultralytics/yolov5 安装成功 安装报错UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0x98 问题原因：win10下特有的问题，win10的默认编码方式是utf-8，而Python读入文本文件的默认编码方式是gbk解决方式：找到read()函数，显示指定编码方式。根据报错信息，read()在dist.py文件的406行，所以打开该文件，加入“encoding="utf-8”，如下图所
【学习】1.win环境安装openvino，并对yolov5进行部署
weixin_51346544的博客
08-04 823
python mo_onnx.py --input_model (onnx位置） --model_name(输出位置）6.运用下面代码，使用刚生成的open.xml文件，完成yolov5的推理过程。3.下载yolov5并通过export.py程序生成onnx文件。按照下图选择，打开刚才创建的环境，输入step-4安装。该文章用来记录学习过程，如有错误，还请大佬指正。1.首先在anaconda下创建一个新环境。4.然后在openvino环境下执行命令。2.打开openvino官网。
【YOLO系列】快速部署YOLOv5（Windows）
weixin_47665864的博客
07-13 457
在计算机视觉领域，目标检测是至关重要的任务之一，它涉及识别图像或视频中的对象，并将其分类和定位。近年来，**YOLO（You Only Look Once）**算法因其速度与精度的平衡而变得非常流行。在这篇博文中，我们将详细介绍如何快速在Windows系统上部署YOLO模型。确保Anconda已经安装，如果没安装的可以安装一下Anconda这里不做赘述。可能会报错缺少yolov5s.pt这个权重文件，没有的可以私信我。等待安装就行安装完之后就可以运行yolov5了。（没有源码的可以私信我）
windows 下yolov5调试
qq_39314918的博客
07-16 727
参考视频链接https://www.bilibili.com/video/BV1jz411v7J7?from=search&seid=3827794432067602070 https://www.bilibili.com/video/BV1QT4y1J7rm?from=search&seid=3827794432067602070
YOLOv5（Windows）使用教程
HT_666666的博客
08-10 1350
YOLOv5（Windows）使用教程 为了写这一篇文章，我是从新创建了一个虚拟环境，一边配置一边记录。一来时记录一下之前的入的坑，二来是为了方便后来学习者。话不多说，进入主题---------------- yolov5 github链接 https://github.com/ultralytics/yolov5 Anaconda创建虚拟环境 conda create -n yolov5_pro python==3.7 上面的bash指令是创建一个名称为yolov5_pro的虚拟环境，python版本
Windows 上的 YOLOv5 对象检测（分步教程）
DT程序员的博客
05-31 849
在本文章中，我们将逐步完成让您开始使用 YOLOv5 并在 Windows 机器上创建您自己的边界框的过程。
yolo5+yolo7+yolo8+区别
09-28
1. 网络结构：yolo5、yolo7和yolo8在网络结构上有所不同，这意味着它们在处理图像时使用的层和结构不同，可能会对检测性能产生影响。 2. 检测精度：由于网络结构和算法的不同，yolo5、yolo7和yolo8的检测精度可能...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值