原文链接

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍦 参考文章：365天深度学习训练营-第P1周：实现mnist手写数字识别
• 🍖 原作者：K同学啊|接辅导、项目定制

内容总结

环境介绍

• 语言环境：Python3.9.13
• 编译器：jupyter notebook
• 深度学习环境：TensorFlow2

前置工作

简单介绍yolov5

下面是我根据yolov5l.yaml绘制的网络整体结构，YOLOv5针对不同大小（n, s, m, l, x）的网络整体架构都是一样的，只不过会在每个子模块中采用不同的深度和宽度，分别应对yaml文件中的depth_multiple和width_multiple参数。还需要注意一点，官方除了n, s, m, l, x版本外还有n6, s6, m6, l6, x6，区别在于后者是针对更大分辨率的图片比如1280x1280，当然结构上也有些差异，后者会下采样64倍，采用4个预测特征层，而前者只会下采样到32倍且采用3个预测特征层。后者的预测速度更快一些

下载源码

首先现在github上面下载yolov5的代码
yolov5源码下载地址
注下载到的地址尽量不要有中文,可能在下一步当中出现无法下载的问题(后面试了,这个和路径有没有中文没有关系,照样报错,所以这个可以忽略)

yolov5的下载遇到问题

我在尝试pip install -r requirements.txt的时候遇到了以下报错,所以在这里在进行学习记录

问题解析

图片当中写到了 SSL module is not available.,根据了解说存在以下问题

• 下载requirements.txt的时候需要进行这个虚拟环境的创建
• 要么就是SSL要求,需要需要下载openssl

问题处理

首先进行第一个问题的修改,尝试看看是不是没有创建虚拟环境

创建虚拟环境

创建不同的虚拟环境的意义在于,可以在不同的安装包的条件下,实现不同的代码的运行,尽可能的避免冲突
可以使用anaconda进行一个虚拟环境的创建,我这里命名为testyolov5,anaconda在这里不做详细介绍,大家可以上网查一查

显示所有虚拟环境 conda env list
激活虚拟环境 conda activate +[所选环境]

新创建的虚拟环境会有如下报错

这样只需要使用conda init [SHELL_NAME]配置命令解析器后重启即可
因为是window系统,这里可以采用conda init cmd.exe,然后重启

这样之后再输入pip install -r requirements.txt

开始运行,说明是第一个问题

下载当中遇到的问题

这里在下载的过程当中遇到了这个问题,在这里的话开另外一篇文章吧,如果大家没有这个问题就不用管

WARNING: Ignore distutils configs in setup.cfg due to encoding errors.

进行相应的操作之后再重新下载

代码运行

接下来就可以进行代码的运行了
使用上述的方法打开cmd,
首先拿给到的数据集当中的图片进行一个测试
输入以下命令

python detect.py --source data\images\zidane.jpg --weight yolov5s.pt --img 640

需要提醒大家的是
在添加路径的时候前面一定要有--source不然会出现检测识别失败的情况
其实只需要前面一段python detect.py --source data\images\zidane.jpg,后面那一段应该是给到权重,使得这个图片预测更完整?
但是我只输入前面那一段我就成功预测了

可以看到预测之后的图片保存的路径,打开对应路径就可以看到了

我这里尝试找一些其他图片进行预测
这里网上随便找一张图片

检测结果如下

视频检测

最后再尝试一下这个视频的检测
按照同样的办法打开cmd
使用相同的方法,打开视频相应的路径python detect.py --source D:\桌面\download\0.mp4
后面也是相应的路径,看大家视频的路径进行调整
原视频的链接如下
极限挑战：黄磊从网吧找到张艺兴，向师傅告状如何被沙溢欺负！

参考内容

• YOLOv5网络详解
• 【零基础上手yolov5】yolov5的安装与相关环境的搭建
• y1训练