Ubuntu yolov5 环境配置

查看Ubuntu版本

cpp 复制代码
$ cat /proc/version
Linux version 5.4.0-150-generic (buildd@bos03-amd64-012) (gcc version 7.5.0 (Ubuntu 7.5.0-3ubuntu1~18.04)) #167~18.04.1-Ubuntu SMP Wed May 24 00:51:42 UTC 2023

虚拟机磁盘扩容

因为在环境搭建过程中遇到了磁盘空间不足的问题,所以先对磁盘进行了扩容。

参考链接

https://blog.csdn.net/Chen_qi_hai/article/details/108814596

https://blog.csdn.net/weixin_43749427/article/details/116143957

yolov5环境配置

参考链接

https://blog.csdn.net/simle16/article/details/115138725

环境搭建

#下载anaconda安装脚本

  • 注:这里选择直接去官网下载。
cpp 复制代码
//地址
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

#安装anaconda

cpp 复制代码
bash Anaconda3-2020.07-Linux-x86_64.sh
cpp 复制代码
#Please, press ENTER to continue -> 回车继续
#阅读协议,同意按回车(跳过ctrl+c)
#Do you accept the license terms? [yes|no] -> 同意协议输入yes回车
#Anaconda3 will now be installed into this location -> 选择安装路径(本文安装/usr/local/anaconda3),等待安装
注:Anaconda3 will now be installed into this location:
/home/lx/anaconda3
#by running conda init? [yes|no] -> 是否添加系统环境,输入yes回车
#等待安装结束

#刷新当前用户环境(激活环境)

cpp 复制代码
source ~/.bashrc

#更新Anaconda相关配置

cpp 复制代码
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

创建环境

#使用conda创建单独的环境,在系统命令行中运行如下命令:

conda create -n yolov5_1 python==3.8

输出:

cpp 复制代码
# To activate this environment, use
#
#     $ conda activate yolov5_1
#
# To deactivate an active environment, use
#
#     $ conda deactivate

#进入该环境继续安装依赖库:

cpp 复制代码
conda activate yolov5_1

#删除环境

cpp 复制代码
conda remove -n 【yolov5】 --all

#退出当前环境

cpp 复制代码
conda deactivate yolov5_1
#注:这里使用conda deactivate 

#安装pytorch环境,可能需要等待

#pytorch的gpu版本,官方网站地址: https://pytorch.org/get-started/locally/,找到自己匹配的相关命令

cpp 复制代码
pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

#查看安装的结果

cpp 复制代码
pip install ipython

#环境验证

cpp 复制代码
#(yolov5_1) :~$ ipython
#Python 3.8.0 (default, Nov  6 2019, 21:49:08) 
#Type 'copyright', 'credits' or 'license' for more information
#IPython 7.21.0 -- An enhanced Interactive Python. Type '?' for help.

#In [1]: import torch

#In [2]: torch.cuda.is_available()
#Out[2]: True

#出现以上内容表明环境已经安装好啦。

注:我这里报错

TODO

。。。。。。。。。。。。。。。。。。

1.下载

YOLOv5源码下载地址:https://codechina.csdn.net/mirrors/ultralytics/yolov5

2.运行requirements

安装运行环境以及所需依赖,运行以下命令即可:

pip install -U -r requirements.txt

#等待依赖下载完成,可能比较耗时

3.测试

权重文件下载地址:https://github.com/ultralytics/yolov5/releases/

python detect.py --source data/images/ --weights yolov5s.pt --conf 0.4

#查看结果,运行结束后会提示结果的保存路径

#yolov5支持直接输出txt文件,文件内容与标注的文件一致

报错如下:

modules/module.py", line 947, in getattr

raise AttributeError("'{}' object has no attribute '{}'".format(

AttributeError: 'Detect' object has no attribute 'm'

解决方法:在官网下载最新的weight文件------yolov5s.pt即可。

yolov5最新版本预训练模型下载

https://blog.csdn.net/JOBbaba/article/details/113630832

相关推荐
DragonnAi2 小时前
猫咪如厕检测与分类识别系统系列【三】融合yolov11目标检测
人工智能·yolo·目标检测·分类
AI技术控8 小时前
基于YOLOv8的火车轨道检测识别系统:技术实现与应用前景
人工智能·算法·yolo·目标检测·计算机视觉
Mr_Chenph1 天前
YOLO 8 入坑(持续更新)
yolo·yolo8
AI技术控1 天前
基于YOLOv8的机场跑道异物检测识别系统:提升航空安全的新一代解决方案(主页有源码)
yolo
知来者逆2 天前
YOLO目标检测应用——基于 YOLOv8目标检测和 SAM 零样本分割实现指定目标分割
yolo·目标检测·计算机视觉·图像分割·sam·yolov8
量子-Alex2 天前
顶刊【遥感目标检测】【TGRS】LSKF-YOLO:面向高分辨率卫星遥感影像电力塔检测的大规模选择性核特征融合网络
人工智能·yolo·目标检测
深度学习lover3 天前
<数据集>苹果识别数据集<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果识别
云卷云舒___________3 天前
✅ Ultralytics YOLO 训练(Train)时实时获取 COCO 指标(AP):2025最新配置与代码详解 (小白友好 + B站视频)
人工智能·深度学习·yolo·模型训练·ultralytics·cocoapi·cooc指标
Coovally AI模型快速验证4 天前
告别水下模糊!SU-YOLO:轻量化+尖峰神经网络,用“类脑计算”实现水下目标毫秒级识别
人工智能·深度学习·神经网络·算法·yolo·机器学习·重构
MR_Colorful4 天前
YOLOv11改进 | YOLOv11引入MobileNetV4
yolo