PyTorch使用 - 技术栈

前言

系统环境：win10

使用Anaconda，Anaconda的安装自行百度。

conda 23.7.4

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