前言
系统环境:win10
使用Anaconda,Anaconda的安装自行百度。
目录
前言
创建虚拟环境
1、查看当前有哪些虚拟环境
2、创建虚拟环境pytorch
3、激活及关闭pytorch虚拟环境
4、删除pytorch虚拟环境
使用yolov5测试
1、切换至yolov5目录下:
2、安装相关依赖
3、下载已训练好的数据集
4、分类检测测试
1、执行命令
2、运行结果
3、效果图
创建虚拟环境
启动Anaconda Prompt
1、查看当前有哪些虚拟环境
conda env list
2、创建虚拟环境pytorch
conda create -n pytorch python=3.8
3、激活及关闭pytorch虚拟环境
# 激活pytorch虚拟环境
conda activate pytorch
# 关闭pytorch虚拟环境
conda deactivate
4、删除pytorch虚拟环境
conda remove -n pytorch --all
使用yolov5测试
yolov5下载地址:https://github.com/ultralytics/yolov5
1、切换至yolov5目录下:
# 切换至yolov5目录下
cd C:\code\python\lpytoch\yolov5
2、安装相关依赖
该下载过程时间比较长
# install
pip install -r requirements.txt
3、下载已训练好的数据集
直接下载
通过代码下载,代码保存为loadPyTorchHub.py
# 使用YOLOv5 加载PyTorch Hub
# 简单示例
# 该示例从PyTorch Hub 加载预训练的 YOLOv5s 模型,即 model 并传递图像以供推理。 'yolov5s' 是最轻、最快的YOLOv5 型号
import torch
# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')
# Image
im = './data/images/zidane.jpg'
# Inference
results = model(im)
results.pandas().xyxy[0]
# xmin ymin xmax ymax confidence class name
# 0 749.50 43.50 1148.0 704.5 0.874023 0 person
# 1 433.50 433.50 517.5 714.5 0.687988 27 tie
# 2 114.75 195.75 1095.0 708.0 0.624512 0 person
# 3 986.00 304.00 1028.0 420.0 0.286865 27 tie
结果如下:
4、分类检测测试
1、执行命令
# Inference with detect.py
python detect.py --weights yolov5s.pt --source ./data/images/zidane.jpg
2、运行结果
输出结果路径
Results saved to runs\detect\exp