Yolov5服務器環境如何搭建

本文小編為大家詳細介紹“Yolov5服務器環境如何搭建”，內容詳細，步驟清晰，細節處理妥當，希望這篇“Yolov5服務器環境如何搭建”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學習新知識吧。

1 服務器搭建yolov5環境

1.1 創建環境

首先先的在本地環境下搭建一個我們的環境，名字設為yolo5-6

conda create -n yolov5-6 python=3.7#創建環境
conda activate yolov5-6#切換yolov5-6環境

創建包完成后，我們需要查看conda環境下是否有我們剛才創建的環境，通過以下的指令可以查看所有的環境。

conda env list

通過以下指令可以查看服務器的cuda版本。

conda env list

1.2 跟隨官方指引

根據官方的說法快速入門 - YOLOv5 文檔 (ultralytics.com)，我們最開始需要克隆存儲庫。但是這樣做會很慢，因為服務器連接到github容易斷連，故我們可以提前把庫下載下來并且解壓，然后上傳到服務器上。

上傳文件

對于連接服務器的學者來說，很多人喜歡用Xshell，但是實際上，finalshell更適合用來服務器的傳輸文件工作。所以下載finalshell可以很方便的去上傳文件。

通常來說，下載后的文件應該是這個名字。

當我們上傳到服務器的時候，我們需要進入cd定位到yolov5-master這個文件夾中，通過ls查看是否有requirements.txt這個文件。如果沒有，無論是可視化還是非可視化，你都必須把cd定位到包含有這個文件的文件夾下。

據官方所說，我們要從克隆的存儲庫目錄安裝所需的軟件包。但是如果是使用外國的pip，下載速度會滿到離譜，故我們使用清華園進行下載。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt -r requirements.txtLooking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple

下載完成。

使用以下指令讓我們看下yolo需要運行的包是否已經裝好。

pip list

明顯，已經裝好了。

2 下載預訓練權重

一般為了縮短網絡的訓練時間，并達到更好的精度，我們一般加載預訓練權重進行網絡的訓練。而yolov5的5.0版本給我們提供了幾個預訓練權重，我們可以對應我們不同的需求選擇不同的版本的預訓練權重。預訓練權重越大，訓練出來的精度就會相對來說越高，但是其檢測的速度就會越慢。

點擊下面的鏈接即可進入預訓練模型的下載。要拉到最下面哦。

GitHub - ultralytics/yolov5 at v6.1

需要注意的是，在執行前幾步操作的時候，實際上已經自帶yolov5s了權重文件(.pt)和一些其他模型配置文件了(.yaml)。

需要注意的是，大、并不代表你就跑得動，如果你是實驗室級別的，那么歡迎你下載那個最好用的，但是如果是學校服務器這類的，那么5s相信已經足夠你用了【雖然速度最快，效果最拉胯】，因為在跑模型的時候是需要充分考慮顯卡的顯存的。

3 推理

接下來我們需要下載yolov5的模型。在這一步中無法加速了，只能等了。

任意新建一個.py文件，然后寫入如下的代碼，在終端運行。

import torch
# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')  # or yolov5m, yolov5l, yolov5x, custom
# Images
img = 'https://ultralytics.com/images/zidane.jpg'  # or file, Path, PIL, OpenCV, numpy, list
# Inference
results = model(img)
# Results
results.print()  # or .show(), .save(), .crop(), .pandas(), etc.

通過finalshell將該文件傳入服務器，然后使用指令啟動它。

python Test02.py

4 測試

–source表示測試數據，–project指定保存路徑，–weights指定測試模型。我們使用yolov5master文件夾中官方自帶的測試文件來測試一下yolov5s模型是否可用。

在shell命令窗口輸入以下指令：

python detect.py --source data/images/zidane.jpg --weights v5_pre_models/yolov5s.pt --project out --img-size 640

讀到這里，這篇“Yolov5服務器環境如何搭建”文章已經介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領會，如果想了解更多相關內容的文章，歡迎關注億速云行業資訊頻道。