YOLO环境配置和代码初探(附labellmg)

作业主要内容

此次培训作业主要包括:1.yolo原理的了解
2.环境的配置
3.labellmg的安装与使用
4.对yolo代码的一些解析

一、yolo原理的了解

yolo原理的基本了解主要还是靠上某站找视频和在本网站找相关的文章
某站资料
本站资料

二、环境的配置

1.NVIDIA驱动的安装与更新

查找自己的显卡型号,步骤为:此电脑右击–>管理–>设备管理器–>显示适配器。就可以看到电脑显卡的版本,到官网进行驱动更新。
官网链接:在这
仔细根据自己的电脑配置选择相应的版本,这里我选择最新的YOLO环境配置和代码初探(附labellmg)_第1张图片
然后点击搜索YOLO环境配置和代码初探(附labellmg)_第2张图片
点击下载然后无脑安装就可以了
值得注意的是安装过程中可能出现花屏等正常现象

2.anaconda的安装

这个网上有很多有用的安装教程,不再过多赘述。
链接:教程

3.yolo环境配置

安装好anaconda后,在菜单中打开anaconda prompt,然后创建yolov7环境
直接输入conda create -n yolov7 python=3.9
这里python可自行选择,因为我的anaconda用的就是3.9版本,因此我这里选择3.9
然后conda activate yolov7进入环境中,准备安装pytorch
官网链接:官网链接
然后选择版本,我用的是gpuYOLO环境配置和代码初探(附labellmg)_第3张图片
然后复制下面的代码:conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge 直接安装,下载慢是正常现象。
之后进去已经克隆好的yolov7文件中,找到requirement.text文件中(默认以及克隆好,不会的可以去网上找教程),把torch和pytorch都注释掉,因为我们刚刚已经下载好了。
然后继续在yolov7环境中输入pip install -r requirements.txt安装所需要的包和库。
然后打开vsconde选择yolov7文件,按住CTRL+shift+p选择刚刚那个yolov7环境,最后在终端中输入python detect.py运行测试YOLO环境配置和代码初探(附labellmg)_第4张图片显示出这个就是运行成功
测试好的图片 放在runs中,大概长这样:YOLO环境配置和代码初探(附labellmg)_第5张图片
至此,环境配置才算结束。

三、labellmg的安装与使用

不再过多赘述,具体可参考这篇文章

四、对yolo代码的一些解析

这里是直接参考同营大佬
opt模型主要参数解析:
–weights:初始化的权重文件的路径地址
–cfg:模型yaml文件的路径地址
–data:数据yaml文件的路径地址
–hyp:超参数文件路径地址
–epochs:训练轮次
–batch-size:喂入批次文件的多少
–img-size:输入图片尺寸
–rect:是否采用矩形训练,默认False
–resume:接着打断训练上次的结果接着训练
–nosave:不保存模型,默认False
–notest:不进行test,默认False
–noautoanchor:不自动调整anchor,默认False
–evolve:是否进行超参数进化,默认False
–bucket:谷歌云盘bucket,一般不会用到
–cache-images:是否提前缓存图片到内存,以加快训练速度,默认False
–image-weights:使用加权图像选择进行训练
–device:训练的设备,cpu;0(表示一个gpu设备cuda:0);0,1,2,3(多个gpu设备)
–multi-scale:是否进行多尺度训练,默认False
–single-cls:数据集是否只有一个类别,默认False
–adam:是否使用adam优化器
–sync-bn:是否使用跨卡同步BN,在DDP模式使用
–local_rank:DDP参数,请勿修改
–workers:最大工作核心数
–project:训练模型的保存位置
–name:模型保存的目录名称
–exist-ok:模型目录是否存在,不存在就创建
————————————————

原文链接:https://blog.csdn.net/qq_67004876/article/details/125875206
`
至此第一次作业结束。

你可能感兴趣的:(python,深度学习,开发语言)