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
微尘hjx17 小时前
【Deep-OC-SORT 01】多轨迹算法Deep-OC-SORT源码分析
深度学习·yolo·目标跟踪·ultralytics·轨迹算法·deep-oc-sort·车流统计
AI日报派送佬21 小时前
高效目标检测利器:X-AnyLabeling 加载自定义 YOLO 模型自动标注实操指南
人工智能·yolo·目标检测
微尘hjx1 天前
【Deep-OC-SORT 02】多轨迹算法Deep-OC-SORT-相对 OC-SORT 的改进点
人工智能·算法·yolo·目标跟踪·视觉检测·ultralytics·deep-oc-sort
微尘hjx1 天前
【Deep-OC-SORT 03】多轨迹算法Deep-OC-SORT-卡尔曼滤波预测过程
算法·yolo·目标跟踪·ultralytics·车跟踪·轨迹算法·deep-oc-sort
qq_25294131682 天前
日本道路病害检测数据集 | 道路病害 裂缝检测 坑洼识别 市政巡检9287期
人工智能·深度学习·yolo·目标检测·计算机视觉·道路检测
qq_25294131682 天前
伊蚊检测数据集 | 伊蚊检测 病媒生物 公共卫生 目标检测9304期
人工智能·yolo·目标检测·计算机视觉·蚊子·尹蚊
qq_25294131682 天前
无人机视角公路两侧滑坡检测数据集 | 公路巡检 滑坡检测 地质灾害 无人机航拍9302期
yolo·目标检测·目标跟踪·无人机·地质灾害·无人机视角·滑坡检测
向哆哆3 天前
羊行为目标检测数据集:4类别、2,000张图像 | 目标检测
人工智能·yolo·目标检测·目标跟踪
燃烧的枫3 天前
Windows 下 YOLO11 Pose 的 TensorRT C++ 部署
windows·yolo·tensorrt·1024程序员节·yolo11-pose
磁场转动100万匹3 天前
道路巡检系统检测案例:YOLOv5 + Flask + PyQt 全栈实现
python·yolo