成都市建设领域网站咨询电话今晚日本比分预测
- 🍨 本文为🔗365天深度学习训练营中的学习记录博客
- 🍖 原作者：K同学啊
一、下载源码
GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite
二、安装环境
解压zip文件后，在文件目录内，打开cmd后输入：pip install -r requirements.txt
三、图片识别
python detect.py --source data\R.jpg --weights yolov5s.pt --img 640
四、视频识别
python detect.py --source MyVideo_2.mp4
总结：
学习收获
-
源码理解与环境搭建：通过从GitHub下载YOLOv5源代码，并成功配置运行环境，我对PyTorch框架有了更深的理解。在解决依赖项安装过程中的各种问题时，也锻炼了我的问题排查能力。
-
图片和视频识别实战：亲手执行图像和视频的目标检测任务，使我对YOLOv5的实际应用有了直观的感受。特别是看到模型能够准确地识别出复杂的场景中的物体，极大地激发了我的学习兴趣。
-
技术文档阅读能力提升：在学习过程中，频繁参考Ultralytics官方文档和其他在线资源，我的技术文档阅读能力和快速学习新技能的能力得到了提升。
遇到的挑战与解决方案
- 环境配置难题：最初在尝试安装
requirements.txt中的依赖项时遇到了一些兼容性问题。通过查阅社区讨论、更新Python版本以及创建新的虚拟环境，最终解决了这些问题。 - 模型优化困惑：在探索不同版本的模型（如
yolov5s.pt,yolov5m.pt等）时，对于如何选择适合特定应用场景的模型感到迷茫。经过多次实验对比不同模型的表现，逐渐积累了经验。