PyTorch使用

前言

系统环境:win10

使用Anaconda,Anaconda的安装自行百度。

conda 23.7.4

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

bash 复制代码
conda env list

2、创建虚拟环境pytorch

bash 复制代码
conda create -n pytorch python=3.8

3、激活及关闭pytorch虚拟环境

bash 复制代码
# 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

bash 复制代码
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:

bash 复制代码
# 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

bash 复制代码
# 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

python 复制代码
# 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

bash 复制代码
# 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

3、效果图

相关推荐
VIP_CQCRE3 小时前
GPT Image 2.6 商品图换背景后悬浮?接触阴影、透明区域与反射验收
图像处理·人工智能·ai·电商
wuyk5554 小时前
Python办公自动化-第01讲-环境搭建与自动化认知
python·自动化·pyqt
泯泷4 小时前
别再傻傻地喂文件了,大厂都在偷偷给AI建这种“专属图书馆”
人工智能
oak隔壁找我5 小时前
一款运行在 DSH(DeepSeek Harness)中的类 Postman HTTP 接口调试插件
人工智能·程序员
高洁015 小时前
数字孪生与计算机视觉:让机器看懂现场
人工智能·python·机器学习·transformer·迁移学习
ComPDFKit5 小时前
RAG 回答只显示 PDF 文件名?用 Python 保留引用页码
开发语言·python·pdf·rag
Csvn5 小时前
如果明天供应商涨价 3 倍?三层解耦,换模型只改一行配置(C05)
人工智能·aigc·agent
在所不辞兄6 小时前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?
人工智能·神经网络·其他·算法·机器学习
yz_aiks6 小时前
Termux 使用教程:把安卓手机变成随身 Linux(装 Python、SSH 远程、跑自动化脚本)
android·linux·python·智能手机·ssh·termux
锋行天下7 小时前
langgraph 全栈项目(三)
前端·人工智能·后端