Yolov5服務(wù)器環(huán)境如何搭建

本文小編為大家詳細(xì)介紹“Yolov5服務(wù)器環(huán)境如何搭建”，內(nèi)容詳細(xì)，步驟清晰，細(xì)節(jié)處理妥當(dāng)，希望這篇“Yolov5服務(wù)器環(huán)境如何搭建”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學(xué)習(xí)新知識(shí)吧。

1 服務(wù)器搭建yolov5環(huán)境

1.1 創(chuàng)建環(huán)境

首先先的在本地環(huán)境下搭建一個(gè)我們的環(huán)境，名字設(shè)為yolo5-6

conda create -n yolov5-6 python=3.7#創(chuàng)建環(huán)境
conda activate yolov5-6#切換yolov5-6環(huán)境

創(chuàng)建包完成后，我們需要查看conda環(huán)境下是否有我們剛才創(chuàng)建的環(huán)境，通過以下的指令可以查看所有的環(huán)境。

conda env list

通過以下指令可以查看服務(wù)器的cuda版本。

conda env list

1.2 跟隨官方指引

根據(jù)官方的說法快速入門 - YOLOv5 文檔 (ultralytics.com)，我們最開始需要克隆存儲(chǔ)庫。但是這樣做會(huì)很慢，因?yàn)榉?wù)器連接到github容易斷連，故我們可以提前把庫下載下來并且解壓，然后上傳到服務(wù)器上。

上傳文件

對(duì)于連接服務(wù)器的學(xué)者來說，很多人喜歡用Xshell，但是實(shí)際上，finalshell更適合用來服務(wù)器的傳輸文件工作。所以下載finalshell可以很方便的去上傳文件。

通常來說，下載后的文件應(yīng)該是這個(gè)名字。

當(dāng)我們上傳到服務(wù)器的時(shí)候，我們需要進(jìn)入cd定位到y(tǒng)olov5-master這個(gè)文件夾中，通過ls查看是否有requirements.txt這個(gè)文件。如果沒有，無論是可視化還是非可視化，你都必須把cd定位到包含有這個(gè)文件的文件夾下。

據(jù)官方所說，我們要從克隆的存儲(chǔ)庫目錄安裝所需的軟件包。但是如果是使用外國的pip，下載速度會(huì)滿到離譜，故我們使用清華園進(jìn)行下載。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt -r requirements.txtLooking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple

下載完成。

使用以下指令讓我們看下yolo需要運(yùn)行的包是否已經(jīng)裝好。

pip list

明顯，已經(jīng)裝好了。

2 下載預(yù)訓(xùn)練權(quán)重

一般為了縮短網(wǎng)絡(luò)的訓(xùn)練時(shí)間，并達(dá)到更好的精度，我們一般加載預(yù)訓(xùn)練權(quán)重進(jìn)行網(wǎng)絡(luò)的訓(xùn)練。而yolov5的5.0版本給我們提供了幾個(gè)預(yù)訓(xùn)練權(quán)重，我們可以對(duì)應(yīng)我們不同的需求選擇不同的版本的預(yù)訓(xùn)練權(quán)重。預(yù)訓(xùn)練權(quán)重越大，訓(xùn)練出來的精度就會(huì)相對(duì)來說越高，但是其檢測(cè)的速度就會(huì)越慢。

點(diǎn)擊下面的鏈接即可進(jìn)入預(yù)訓(xùn)練模型的下載。要拉到最下面哦。

GitHub - ultralytics/yolov5 at v6.1

需要注意的是，在執(zhí)行前幾步操作的時(shí)候，實(shí)際上已經(jīng)自帶yolov5s了權(quán)重文件(.pt)和一些其他模型配置文件了(.yaml)。

需要注意的是，大、并不代表你就跑得動(dòng)，如果你是實(shí)驗(yàn)室級(jí)別的，那么歡迎你下載那個(gè)最好用的，但是如果是學(xué)校服務(wù)器這類的，那么5s相信已經(jīng)足夠你用了【雖然速度最快，效果最拉胯】，因?yàn)樵谂苣Ｐ偷臅r(shí)候是需要充分考慮顯卡的顯存的。

3 推理

接下來我們需要下載yolov5的模型。在這一步中無法加速了，只能等了。

任意新建一個(gè).py文件，然后寫入如下的代碼，在終端運(yùn)行。

import torch
# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')  # or yolov5m, yolov5l, yolov5x, custom
# Images
img = 'https://ultralytics.com/images/zidane.jpg'  # or file, Path, PIL, OpenCV, numpy, list
# Inference
results = model(img)
# Results
results.print()  # or .show(), .save(), .crop(), .pandas(), etc.

通過finalshell將該文件傳入服務(wù)器，然后使用指令啟動(dòng)它。

python Test02.py

4 測(cè)試

–source表示測(cè)試數(shù)據(jù)，–project指定保存路徑，–weights指定測(cè)試模型。我們使用yolov5master文件夾中官方自帶的測(cè)試文件來測(cè)試一下yolov5s模型是否可用。

在shell命令窗口輸入以下指令：

python detect.py --source data/images/zidane.jpg --weights v5_pre_models/yolov5s.pt --project out --img-size 640

讀到這里，這篇“Yolov5服務(wù)器環(huán)境如何搭建”文章已經(jīng)介紹完畢，想要掌握這篇文章的知識(shí)點(diǎn)還需要大家自己動(dòng)手實(shí)踐使用過才能領(lǐng)會(huì)，如果想了解更多相關(guān)內(nèi)容的文章，歡迎關(guān)注億速云行業(yè)資訊頻道。