「MAC」 搭建YOLOv5环境「PYTHON」

发表于 | 分类于 | 阅读次数:
字数统计: 739 字 | 阅读时长 ≈ 2 分钟

YOLO是“只看一次”的首字母缩写，YOLO的作者约瑟夫·雷德蒙（Joseph Redmon）将该模型的意思是“只看一次”。顾名思义，YOLO是一个用于高精度图像识别的开源神经网络框架。这次，我想为YOLO v5构建一个环境，这是图像处理领域中的热门话题。

什么是YOLO v5

YOLO最初是YOLO的作者约瑟夫·雷德蒙（Joseph Redmon）的首字母缩写，“ You only live一次”（You Only Look Once）。

到目前为止，v1至v5已发布。约瑟夫·雷德蒙（Joseph Redmon）参与了v1至v4，但由于不涉及v5，因此在vX的命名方面似乎存在利弊。

  • YOLOv1公告：2016年5月制片人：Joseph Redmon
  • YOLOv2公告：2017年12月制片人：Joseph Redmon
  • YOLOv3公告：2018年4月制片人：Joseph Redmon，Ali Farhadi
  • YOLOv4公告：2020年4月制片人：Alexey Bochkovskiy
  • YOLOv5公告：2020年6月制片人：Glenn Jocher

YOLO v1〜v3由约瑟夫·雷德蒙（Joseph Redmon）创建。此后，Alexey Bochkovskiy还使用darknet创建了YOLO v4。与以前的版本相比，此v4具有更高的平均精度（AP）和更快的处理速度。
2020年6月，Glenn Jocher使用PyTorch发行了YOLOv5，其平均精度（AP）与YOLOv4相当，并且推理处理时间更快。该v5也不使用Darknet，也没有涉及约瑟夫·雷德蒙（Joseph Redmon），因此许多人想知道vX的名称是否正确以及它是否真的比v4有所改进。

YOLOV5处理速度和平均精度（AP）

YOLOv5提供四种类型的COCO模型。COCO的平均精度越高，精度越高，但是处理速度越慢。「More info: YOLOv5」

如何安装YOLOv5

我的电脑环境为MBP英特尔系列，操作系统为：macOS Big Sur v11.3.1。

PYTHON虚拟环境构建

首先创建python虚拟环境，虽然mac系统自带python，但是不建议使用。构建python环境，最简单的方法是用anaconda3构建虚拟python环境,「请参考: mac下anaconda的安装及简单使用」

问题：在终端输入conda 无法识别这个命令。
检查环境变量：

1
sudo vi ~/.bash_profile

如果环境变量中没有conda那么要手动添加

1
export PATH="/Users/anaconda3/bin:$PATH"（这里要填写自己的路径哦）

刷新环境变量：

1
source ~/.bash_profile

再查看 conda list，成功后，开始创建虚拟环境

1
conda create env_yolov5 python=3.8

YOLOv5 安装

首先我们得本地保存YOLOv5源代码。可以直接在github仓库下载，或则用git下载，需要用到git，若没有其环境，可以自行查找mac如何配置git环境。

我们可以创建一个工程目录Projects保存yolov5源码。
YOLOv5安装

1
2
cd ~/Projects
git clone https://github.com/ultralytics/yolov5.git

配置yolov5所需的python库。

切换到现前创建的env_yolov5环境

1
2
3
cd yolov5
conda activate env_yolov5
pip install -U -r requirements.txt

如何pip太久的话，请使用命令pip install --upgrade pip

yolov5 使用

yolov5 使用方法建议参考官方说明文档，「Inference」

0%