Ubuntu下YOLOv5目标检测

Ubuntu下YOLOv5目标检测

软件环境

• ubuntu 20.4

• anaconda3

• cuda 11.1

• pytorch 1.7

• YOLOv5

环境安装

1 安装Anaconda

2 安装cuda和cudnn

• 安装Nvidia驱动

  确认你的系统已经装好了nvidia显卡驱动，没有的话从nvidia官网下载适配显卡的驱动。

• 安装CUDA

  接着安装cuda，打开终端：

  wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run
  sudo sh cuda_11.1.0_455.23.05_linux.run
  

  打开~/.bashrc：

  sudo vim ~/.bashrc #打开环境变量设定
  

  在里面添加相应的环境变量：

  #for cuda
  export PATH=/usr/local/cuda-11.1/bin:$PATH
  export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:$LD_LIBRARY_PATH
  

  保存后刷新：

  source ~/.bashrc
  

• 安装cudnn

  到cudnn官网下载，需要先注册，比较麻烦：

  tar xvf cudnn-10.1-linux-x64-v7.6.3.36.tgz
  cd cuda
  sudo cp cuda/include/cudnn.h /usr/local/cuda-10.1/include
  sudo cp -a cuda/lib64/libcudnn*  /usr/local/cuda-10.1/lib64
  sudo chmod a+r /usr/local/cuda-10.1/lib64/libcudnn*
  

  安装完测试下环境：

  nvidia-smi
  

3 安装Pytorch

Pythorch分为cpu和gpu两种版本，通常用gpu版以调用显卡训练模型，较cpu跑增速明显。如显卡条件实在不行（ 或者是A卡：A卡没办法用cuda，只能用cpu跑，或者为其装个专门的包ROCm ( 安装过程略为繁琐，后续单独出，而且也只是应急用，最好的解决办法还是换N卡。））的话选择用cpu版本的，否则尽量选装gpu版。

• 安装Pytorch的CPU版本（可选）

  可以去Pytorch官网找到对应安装代码，这里我们选择pip安装，cuda版本选none就行：

  conda create -n pytorch python=3.8 #创建conda虚拟环境'pytorch'
  conda activate pytorch #激活虚拟环境
  pip install torch==1.7.1+cpu torchvision==0.8.2+cpu torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
  #安装cpu版torch、torchvision
  

• 安装Pytorch的GPU版本（推荐）

  同理，安装gpu版Pytorch：

  conda create -n pytorch python=3.8 #创建conda虚拟环境'pytorch'
  conda activate pytorch #激活虚拟环境
  pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
  #安装gpu版torch、torchvision
  

YOLOv5测试

环境安装完后就可以开始愉快地运行模型啦！

• 下载文件

  首先把源码克隆到本地：

  git clone https://github.com/ultralytics/yolov5.git
  pip install -U -r requirements.txt
  #更新安装所需库
  

  权重文件下载：来到网站https://github.com/ultralytics/yolov5/releases/tag/v4.0，下载yolo5s.pt、yolov5l.pt、yolov5m.pt、yolov5x.pt四个权重文件,保存在weights文件夹下，就可以运行测试了。

• 运行测试

  可以先使用项目自带的测试图片测试下效果，在yolov5文件夹下：

  python detect.py
  

  此时会对data/images文件夹下所有图片进行目标检测，有目标检测框框的图片会自动保存在runs/detect/exp文件夹下。若只想检测一张图片，可执行：

  python detect.py --source file/test.jpg #file/test.jpg 为图片保存位置，按实际位置更改
  

  detect.py支持视频检测，包括本地摄像头、本地视频文件、m3u8播放地址和rtsp实时流，地址都是跟在--source之后，如本地摄像头执行命令：

  python detect.py --source 0