torch.hub.load加载yolo

### 使用 `torch.hub.load` 加载 YOLOv5 模型 为了成功加载 YOLOv5 模型，需先确保已安装必要的依赖包： ```bash pip install tqdm boto3 requests regex sentencepiece sacremoses ``` #### 安装 PyTorch 和 ultralytics/yolov5 库 如果尚未安装 PyTorch 或者特定版本的 yolov5，则可以通过如下命令完成安装： ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 git clone https://github.com/ultralytics/yolov5.git cd yolov5 pip install -r requirements.txt ``` #### 载入预训练模型 对于官方发布的预训练权重文件，可以直接通过 GitHub 仓库地址来获取并初始化模型实例。 ```python import torch model = torch.hub.load('ultralytics/yolov5', 'yolov5s') img = 'https://ultralytics.com/images/zidane.jpg' results = model(img) print(results.print()) ``` 这段代码会下载指定架构大小（如 `'yolov5s'` 表示小型版）的默认预训练权重，并执行一次推理操作[^2]。 #### 加载本地自定义训练好的模型 当拥有自己训练过的 `.pt` 权重文件时，可通过设置 `source='local'` 参数以及提供具体的路径来进行加载。 ```python import torch # 假设 best.pt 是位于当前目录下的最佳权重文件 model = torch.hub.load('.', 'custom', path='./best.pt', source='local') # 测试图片路径 img_path = './data/test_image.png' # 执行预测 results = model(img_path) # 输出检测结果 results.print() results.show() ``` 此部分展示了如何利用本地存储的最佳权重文件创建一个定制化的YOLOv5对象[^3]。 #### 配置参数说明 - **repo_or_dir**: 可以为远程 Git 仓库 URL (`ultralytics/yolov5`) 或者指向包含模型脚本的本地文件夹(`.`表示当前位置)。 - **model**: 指定要加载的具体模型名称或标签名。如果是标准模型则传入类似'yolov5m','yolov5l'; 若为自定义模型应填入'custom'. - **path**: 对于自定义模型而言，这是保存有`.pt`格式权值文件的确切位置字符串。 - **source**: 默认是从网络拉取资源；而设定成`local`意味着从本地读取数据而不是在线查找。 #### 解决常见问题 有时可能会遇到一些错误提示，比如找不到模块或是无法解析某些函数。这通常是因为环境变量未正确配置或者是缺少了某些必需的Python库。建议按照官方文档指示逐步排查，必要时更新至最新稳定版本的软件栈。