YOLOv5模型部署教程

一、介绍

YOLOv5模型是一种以实时物体检测闻名的计算机视觉模型，由Ultralytics开发，并于2020年年中发布。它是YOLO系列的升级版，继承了YOLO系列以实时物体检测能力而著称的特点。

二、基础环境

系统：Ubuntu系统，显卡：3090，显存：24G，cuda12.1

特别提醒：本人使用cuda12.1,在下载依赖包时已将pytorch注释掉，最好使用cuda11.8

1.查看系统是否有Miniconda3的虚拟环境

如果输入命令没有显示Conda版本号，则需要安装。

conda -V

2.更新系统命令

输入下列命令将系统更新及系统下载

apt-get update && apt-get install ffmpeg libsm6 libxext6  -y

3.下载模型

输入下列命令对Cinemo模型进行下载同时进入项目中

git clone https://gitclone.com/github.com/ultralytics/yolov5.git
cd yolov5

4.创建虚拟环境

• 创建名称为“yolov5”，python版本为3.8的虚拟环境

conda create -n yolov5 python=3.8

• 激活“cinemo"虚拟环境

conda activate yolov5

5.换源

输入下列命令换成国内源：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.douban.com

n/simple --trusted-host pypi.douban.com

6.下载pytorch

输入下列命令：

pip install torch==2.3.1 torchvision==0.18.1 torchaudio==2.3.1

7.下载依赖包

输入下列命令

pip install -r requirements.txt

8.使用 detect.py 进行推理

输入下列命令：

python detect.py

系统会自动下载推理所用的图片及权重文件

9.下载gradio

输入下列命令：

pip install gradio

三、界面演示

对于web界面本人使用Gradio编写的，比较简洁

python gradio_app.py

原文地址：https://blog.csdn.net/SJJS_1/article/details/142384760

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！