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
WJSKad12354 小时前
Focus瓶颈轻量化改进YOLOv26通道压缩与残差学习协同突破
学习·yolo
ASD123asfadxv5 小时前
HWD小波下采样改进YOLOv26频域分解与通道融合
yolo
ASD123asfadxv5 小时前
Ghost模块瓶颈改进YOLOv26廉价操作生成冗余特征的轻量化突破
yolo
kisshuan123968 小时前
Ghost卷积瓶颈轻量化改进YOLOv26双阶段压缩与残差学习协同突破
学习·yolo
WJSKad12358 小时前
DPCF双路径交叉融合改进YOLOv26多尺度特征融合精度与效率
yolo
房开民9 小时前
使用cuda核函数加速 yolov5后处理
yolo·macos·cocoa
WJSKad123510 小时前
Ghost瓶颈轻量化改进YOLOv26双路径特征生成与残差学习协同突破
学习·yolo
AAD5558889910 小时前
AAttn区域注意力机制改进YOLOv26特征感知与表达能力提升
人工智能·yolo·目标跟踪
kisshuan1239610 小时前
Focus空间通道转换改进YOLOv26特征浓缩与深度可分离卷积双重突破
yolo·机器学习·目标跟踪
kisshuan1239611 小时前
ERM增强残差融合模块改进YOLOv26多尺度特征融合精度与边缘检测能力
人工智能·深度学习·yolo