前言

本人环境声明：

• 系统环境：WIN10
• cuda版本：10.2.89
• cudnn版本：7.6.5
• torch版本：1.8.1
• 项目代码yolov5:https://github.com/ultralytics/yolov5

一、部署yoloV5

1.安装依赖

cd yolov5
pip install -U -r requirements.txt

# pip install -r requirements.txt

# base ----------------------------------------
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.2
Pillow
PyYAML>=5.3.1
scipy>=1.4.1
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.41.0

# logging -------------------------------------
tensorboard>=2.4.1
# wandb

# plotting ------------------------------------
seaborn>=0.11.0
pandas

# export --------------------------------------
# coremltools>=4.1
# onnx>=1.8.1
# scikit-learn==0.19.2  # for coreml quantization

# extras --------------------------------------
thop  # FLOPS computation
pycocotools>=2.0  # COCO mAP

此处踩坑:pycocotool官方由于根本没有Windows下的版本，所以直接pip或者conda无法导入，需要如下操作：

 大佬改写支持 Windows 的 COCO 地址：https://github.com/philferriere/cocoapi

1.先安装visual stdio 2017或者2019

2.下载源码 地址：https://github.com/philferriere/cocoapi，并进行解压。

以管理员身份打开Anaconda Prompt终端，激活项目对应虚拟环境，并切换到 cocoapiPythonAPI目录。运行以下指令：

# install pycocotools locally
python setup.py build_ext --inplace
 
# install pycocotools to the Python site-packages
python setup.py build_ext install

 可以参考如下文章：

https://www.jianshu.com/p/8658cda3d553

二、使用步骤

1.准备自己的数据集

待完成。。。。

2.更改配置

data下面自建.yaml文件，主要修改训练集和验证集图片的路径以及类别数nc；

3.开始训练

python train.py  --batch 8 --epochs 50 --data ./data/mask.yaml --cfg ./models/yolov5l.yaml --weights weights/yolov5l.pt --device 0

训练的更多可选参数：

--epochs：训练的epoch，默认值300
--batch-size：默认值16
--cfg：模型的配置文件，默认为yolov5s.yaml
--data：数据集的配置文件，默认为data/coco128.yaml
--img-size：训练和测试输入大小，默认为[640, 640]
--rect：rectangular training，布尔值
--resume：是否从最新的last.pt中恢复训练，布尔值
--nosave：仅仅保存最后的checkpoint，布尔值
--notest：仅仅在最后的epoch上测试，布尔值
--evolve：进化超参数（evolve hyperparameters），布尔值
--bucket：gsutil bucket，默认值''
--cache-images：缓存图片可以更快的开始训练，布尔值
--weights：初始化参数路径，默认值''
--name：如果提供，将results.txt重命名为results_name.txt
--device：cuda设备，例如：0或0,1,2,3或cpu，默认''
--adam：使用adam优化器，布尔值
--multi-scale：改变图片尺寸img-size +/0- 50%，布尔值
--single-cls：训练单个类别的数据集，布尔值
————————————————
版权声明：本文为CSDN博主「点亮～黑夜」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_41010198/article/details/106785253

其中batch-size 可以参考官方使用V100的设置值

4.可视化

在Tensorbaord上查看数据的训练过程中的一些指标，使用方法：

在yolov5目录输入如下命令

tensorbaord --logdir=runs
--logdir：为训练结果的存储目录，程序默认生成

再在浏览器打开地址：http://localhost:6006/（tensorbaord默认给出的地址）即可实现可视化

执行推理：

python detect.py --source inference/images --weights weights/yolov5s.pt --conf 0.25

conf：置信度阈值

总结

跑工程最好还是在Ubuntu系统上，Windows上会出现很多莫名其妙的问题

最后

以上就是诚心萝莉为你收集整理的Windows下部署yolov5实现口罩检测前言一、部署yoloV5二、使用步骤总结的全部内容，希望文章能够帮你解决Windows下部署yolov5实现口罩检测前言一、部署yoloV5二、使用步骤总结所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。