import torch

# Model
model = torch.hub.load("ultralytics/yolov5", "yolov5s")  # or yolov5n - yolov5x6, custom

# Images
img = "https://ultralytics.com/images/zidane.jpg"  # or file, Path, PIL, OpenCV, numpy, list

# Inference
results = model(img)

# Results
results.print()  # or .show(), .save(), .crop(), .pandas(), etc.

上面是yolo文档提供的一个PyTorch库和Ultralytics的YOLOv5模型进行对象检测的代码。

torch.hub.load() 指定我们使用哪一个模型
然后提供我们需要检测的对象地址
调用model函数对图像进行推理
最后，可以通过.print()方法打印结果，或者使用.show()、.save()、.crop()、.pandas()等方法对结果进行显示、保存、裁剪、转换为DataFrame等操作

那如何检测图像呢？首先我们需要先训练 -》预测 train.py 脚本就是用来训练的。 md 文档给出的示例是这样的，简单解释一下

css 复制代码

python train.py --data coco.yaml --epochs 300 --weights '' --cfg yolov5n.yaml  --batch-size 128

这段markdown提供了两种方式来运行一个名为train.py的Python脚本，用于训练一个图像分割模型。

bash 复制代码

# Single-GPU
python classify/train.py --model yolov5s-cls.pt --data cifar100 --epochs 5 --img 224 --batch 128

# Multi-GPU DDP
python -m torch.distributed.run --nproc_per_node 4 --master_port 1 classify/train.py --model yolov5s-cls.pt --data imagenet --epochs 5 --img 224 --device 0,1,2,3

单个GPU训练：使用train.py命令来运行脚本，同时通过命令行参数传递一些配置信息：

--data coco128-seg.yaml：指定数据集的配置文件。
--weights yolov5s-seg.pt：指定预训练模型的权重文件。
--img 640：指定输入图像的大小为640x640像素。

多个GPU分布式训练：使用python -m torch.distributed.run命令来运行分布式训练，同样通过命令行参数传递配置信息：

--nproc_per_node 4：指定使用4个GPU进行训练。
--master_port 1：指定主节点的端口号。

train.py：指定要运行的脚本。 --data coco128-seg.yaml：指定数据集的配置文件。 --weights yolov5s-seg.pt：指定预训练模型的权重文件。 --img 640：指定输入图像的大小为640x640像素。 --device 0,1,2,3：指定使用的GPU设备编号为0、1、2和3。

训练完成之后我们就可以根据自己所需要的效果，去预测一下我们从对象图像了。 detect.py脚本就是用来预测的。最后的预测结果会放在runs/detect目录下。

bash 复制代码

python detect.py --weights yolov5s.pt --source 0                               # webcam
                                               img.jpg                         # image
                                               vid.mp4                         # video
                                               screen                          # screenshot
                                               path/                           # directory
                                               list.txt                        # list of images
                                               list.streams                    # list of streams
                                               'path/*.jpg'                    # glob
                                               'https://youtu.be/LNwODJXcvt4'  # YouTube
                                               'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP stream

【YOLO小白】程序员也该了解一下AI了

安装python

Anaconda 安装

CUDA 和 CUDNN 的安装

github拉取项目 并 在pycharm 下运行

yolo 模型训练

github拉取项目并在pycharm 下运行