真·保姆级教学—YOLOR的部署与测试

---

选择的平台：极链云AI

优势特点：价格优惠，按小时计费；服务器类型多样，选择多；暑期学生优惠较多，冲冲冲！！！

在这里贴一个极链云AI的官网：https://cloud.videojj.com

---

YOLOR的项目部署

YOLOR 全称 You Only Learn One Representation.
YOLOR 论文地址：You Only Learn One Representation: Unified Network for Multiple Tasks.
为方便同学们下载，我把pdf格式论文放入了百度云：https://pan.baidu.com/s/1qqrwk_-XuNzQ-4u3CyRAEw 提取码：pr18

首先来看一下官方的项目环境配置要求：
前提条件：
Python>=3.7.0 且 Pytorch>=1.8；CUDA 11.1

pip install "git+https://github.com/philferriere/cocoapi.git#egg=pycocotools&subdirectory=PythonAPI" # 安装pycocotools

或

pip install pycocotools==2.0.0 # 安装pycocotools

项目运行所需要的包及版本要求：

在租用符合前提条件的机器后，进行项目环境配置。

在本次项目中由于情况特殊，通过git clone得到的文件是缺少预训练模型的，所以我在这里列举两个直接能运行推理代码的方法。

方法一：

git clone项目文件后补充缺少的预训练模型后可直接运行推理文件。

# cd /...	 # 可省略，cd到自己想安装的目录
git clone https://github.com/WongKinYiu/yolor.git # 从官网clone整个项目文件
cd yolor # clone项目文件夹成功后cd到yolov5目录

使用filezilla将文件传入/root/yolor文件夹
为了方便，我将文件放入百度云分享给大家 切记：解压后传输
链接在这：https://pan.baidu.com/s/1N8DBBAEbprHH1gB36D4LMw 提取码：1uzg

方法二：

使用filezilla直接传输完整的项目文件，记得解压缩后传输

使用filezilla传输到极链AI云平台的方法：点这里！
我在这里方便大家把文件打包放入百度云网盘，链接：点这里！ 提取码：j3b9
完整项目文件来源：点这里！

---

进行推理 Detect

本项目使用detect.py文件进行推理

# 示例
python detect.py --source inference/images/horses.jpg --cfg cfg/yolor_p6.cfg --weights yolor_p6.pt --conf 0.25 --img-size 1280 --device 0

解释：使用权重文件为yolor_p6的模型，推理图片为1280(pixels)，最小置信度为0.25，使用inference/images/horses.jpg文件夹下的文件作为处理图片(默认保存到inference/output文件夹下)

tips：可以通过上传自己的图片/视频的方式推理。

detect.py具体使用方法：

使用该命令可以查看更多参数的使用

python detect.py -h

具体方法：

YOLOR在COCO数据集上的性能表现(对比YOLOv4)

数据来自github

---

---

---

部分推理结果（对比yolov5）

---

Yolov5:

Yolor:

---

Yolov5:

Yolor:

---

Yolov5:

Yolor:

---

Yolov5:

Yolor:

---

Yolov5:

Yolor:

---

Yolov5:

Yolor:

---

结论

可以看出这样的使用方法是非常简单便捷的，Yolor作为优化的一种模型，在推理能力上还是相当不错的，还不快来试试！