在此说明:1、首先配置CUDA和cuDnn,参考:https://xugaoxiang.com/2019/12/18/windows-10-cuda-cudnn/
2、你最好有梯子,花钱的那种,否则......
OK,让我们开车。
在 YOLO V5 官方gayhub页面(https://github.com/ultralytics/yolov5),看到如下内容:
1 Requirements 2 Python 3.8 or later with all requirements.txt dependencies installed, including torch>=1.6. To install run: 3 4 $ pip install -r requirements.txt
所以,为了避免不必要麻烦,python请换成3.8版本!同事也要提前打开 requirements.txt文件(见下文),了解其他依赖库版本。我这里事先安装好Anaconda3-2020.07-Windows-x86_64,对应Python3.8。
其requirement.txt文件中要求如下。
1 # pip install -r requirements.txt
2 Cython
3 matplotlib>=3.2.2
4 numpy>=1.18.5
5 opencv-python>=4.1.2
6 pillow
7 # pycocotools>=2.0
8 PyYAML>=5.3
9 scipy>=1.4.1
10 tensorboard>=2.2
11 torch>=1.6.0
12 torchvision>=0.7.0
13 tqdm>=4.41.0
一、更换官方源
由于YOLO V5 最近才出,清华等国内源似乎没有跟上步调(例如:服务器中没有Python3.8安装包),所以,这里使用官方源。换源请参考:https://www.cnblogs.com/winslam/p/13347331.html
或者更简单的方法:手动打开 C:UsersAdministrator.condarc文件,修改后默认为如下内容
1 ssl_verify: true 2 show_channel_urls: true
【注:需要提前安装Anaconda3-2020.07-Windows-x86_64,对应Python3.8; 当你看到这篇博客的时候,说不定YOLO V5 页面的安装需求变为Python3.9...】
打开如上图红圈内的命令行窗口,本篇博客所有指令将在其上进行操作,而不是win自带CMD or powershell
二、install Pytorch & ipython
1 conda create -n pytorch python=3.8 2 conda activate pytorch
# 在pytorch官方选择相关依赖库版本,将其自动生成的安装命令拷贝,即:
3
pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html
4 pip install ipython
注:上述第三行指令执行后,系统回去指定链接下载相关包。如果下载网速太慢或导致错误,可将名为 xxx.whl的下载链接粘贴到 IDM 或者迅雷中下载,其下载链接会在控制台中打印出来。例如:
torch==1.6.0: https://download.pytorch.org/whl/cu102/torch-1.6.0-cp38-cp38-win_amd64.whl
torvision==0.7.0: https://download.pytorch.org/whl/cu102/torchvision-0.7.0-cp38-cp38-win_amd64.whl
(从其拓展名也知道,该库仅支持python3.8,上述所有库的集合在链接:https://download.pytorch.org/whl/torch_stable.html )
下载到本地怎么安装?例如我将 torch 用迅雷下载好的库放到D盘根目录,那么安装指令如下:
pip install d:/torch-1.6.0-cp38-cp38-win_amd64.whl
安装完毕后,需要检查下。根据我的经验,当一句命令行安装多个库,有时候总是会后漏网之鱼。执行以下指令:
conda list
我们看到torch 和 torchvision都有了,而且版本符合yolo v5 工程中requirement.txt 文件的要求,如果你发现如torchvision没有安装,这时候,只需要重复上述
pip install......安装步骤即可。
至此,我们已经安装了合适yolo v5的pytorch版本(GPU版)、ipython等。这时候,可以简单测试下:
ipython
import torch
torch.cuda.is_available()
import torchvision
torchvision.__version__
返回true,证明GPU能够为pytorch加速
三、YOLO V5 配置与验证
键入如下指令:
1 python detect.py --source ./inference/images/bus.jpg
其中bus.jpg式输入图像,输出的效果图保存在F:yolov5-masterinferenceoutput 路径下。
在命令行键入如下指令,使用摄像头进行目标检测,使用默认权重文件:
(pytorch) F:yolov5-master>python detect.py --source 0
四、数据集测试
在网站:https://public.roboflow.ai/
https://public.roboflow.ai/object-detection/mask-wearing
下载”人类是否戴口罩“的检测数据集,在页面按ctrl+F搜索mask,可能需要梯子。由于口罩检测是二分类,所以修改yolov5/models/yolov5s.yaml
,将nc = 80
修改为nc = 2
,因为数据集中只有mask
和no-mask
2个类别
接着修改mask/data.yaml
文件内容为:
train: ../mask/train/images
val: ../mask/valid/images
nc: 2
names: ['mask', 'no-mask']
执行以下命令,开始训练
cd yolov5
python train.py --img 640 --batch 16 --epochs 300 --data ../mask/data.yaml --cfg models/yolov5s.yaml --weights ''
可以看到,100多张图,训练了2小时,GPU应该是没工作。训练过程,我看过资源管理器,显存被占用了4Gb,GPU占用率一直很低,不知道是cuDnn没工作的原因,还是什么BUG。
执行以下命令,我们用单目摄像头来检测口罩:
pytorch) F:yolov5-master> python detect.py --source 0 --weights runs/exp5/weights/best.pt
可以看到一个帅气的老哥.............口罩虽然被检测出来了,但是置信度有点低。
五、小结
YOLO V5作为新秀,我不评价他与YOLO V3、4之间有什么恩怨情仇,它有它的优势,毕竟经过大量测试;然而也正因为他是新来的,所以我并不打算在项目中部署他,目前还是作为学习对象的一种选择。
【实践证明:咱们在安装torch的时候,安装了python版本的cuda后,是不用再安装NVIDIA官网的cuda,这时候显卡加速有效。如果部署到C++ OpenCV工程中,可以用CPU跑,至于GPU跑,应该还是要安装CUDA+cuDnn】