目录
- 一.在pycharm打开克隆后的yolov5-5.0的项目
- 二.配置pycharm的解释器
- 1.依次打开: 文件->设置->项目->python解释器
- 2.打开配置好的deeplearn学习环境
- 1.单击添加解释器->单击添加本地解释器
- 2.单击【现有】
- 3.单击【...】
- 4.依次选择 自己安装anaconda 的位置->envs->deeplearn(deeplearn是配置conda环境时,自己创建的深度学习的环境)->python.exe, 点击确定即可!
- 5.依次保存退出即可!
- 三.安装运行yolov5所需的包!
- 1.一般打开这个文件,此时都会出现这个提示,提示你需要安装相应的包,点击【安装要求】,然后耐心等待即可。
- 2.如果不出来黄色提示的话,打开pycharm的终端,输入pip install -r requirements.txt,然后回车即可!
- 2.接下来提供一种新的安装方法。
- 1.对pycharm软件源进行换源,打开【python软件包】
- 2.点击设置图标
- 3.点击【+】
- 4.复制下述地址地址粘贴即可(选其一or都粘贴都行)!
- 5.打开终端输入下述代码,这个是直接指定了镜像源,-i ...,前面换源操作有安装失败的可以直接在软件包下载即可!
- 6.耐心等待安装即可!
- 7.软件包进行安装:提示有未安装的包,如下。
- 8.打开文件->设置->项目->python解释器,点击【+】,如下图,切记不要选择conda的包管理器,就是+号旁边的绿色按钮。
- 9.搜索包名,选择国内源安装即可。
- 10.安装成功即可,如下图所示,其它包同理即可!
- 四.解决一些运行yolov5出现的一些问题
- 1.打开weights文件夹下的 detect.py,右键点击运行。
- 2.出现问题【subprocess.CalledProcessError: Command 'pip install 'protobuf<3.20,>=3.9.2'' returned non-zero exit status 1.】
-
- 3.出现问题【AttributeError: Can't get attribute 'SPPF' on <module 'models.common' from 'D:\\Users\\xxxxx\\Desktop\\yolov5-5.0_配置\\models\\common.py'>】
-
- 4.出现问题【AttributeError: 'Upsample' object has no attribute 'recompute_scale_factor'】
-
- 5.出现问题【RuntimeError: The size of tensor a (80) must match the size of tensor b (56) at non-singleton dimension 3】
-
- 6.出现问题【NotImplementedError: Could not run 'torchvision::nms' with arguments from the 'CUDA' backend. 】
-
- 五.运行detect.py,发现运行成功
想必做深度学习的同学,电脑都是装了anaconda和pycharm的,本文是在该基础上进行的。
首先你得在
yolov5的官网上克隆相关的项目。
可能部分没有魔法的同学进不去或者很慢,我就把他放在自己的网盘里面了。
网盘链接:https://pan.baidu.com/s/1jM5u2ymsTcw6gUJpXGVpzg?pwd=5gn2
提取码:5gn2
ps:我写这篇文章也挺耗时的,希望各位兄弟姐妹们,不要吝啬您的关注,谢谢。
一.在pycharm打开克隆后的yolov5-5.0的项目
ps:直接打开解压后的文件夹拖拽到pycharm即可!
ps:看不懂的可以把pycharm进行汉化,不丢人的,比如我 😦
结果如下图所示:
![在这里插入图片描述](https://img-blog.csdnimg.cn/2a5f2a0f3dc84afaba90c0e8d17d684c.png)
二.配置pycharm的解释器
1.依次打开: 文件->设置->项目->python解释器
结果如下图所示
![在这里插入图片描述](https://img-blog.csdnimg.cn/041d9a90982d4889808310bca29d31e0.png)
这我用的是上一篇文章中配置好的conda环境,不会配置的我把链接放在下面
配置conda环境的链接:https://blog.csdn.net
2.打开配置好的deeplearn学习环境
1.单击添加解释器->单击添加本地解释器
![在这里插入图片描述](https://img-blog.csdnimg.cn/8b2a4f9c77c2452089b3872fceccc30a.png)
2.单击【现有】
![在这里插入图片描述](https://img-blog.csdnimg.cn/c993cc69edcd4b63967628aca848b1b8.png)
3.单击【…】
![在这里插入图片描述](https://img-blog.csdnimg.cn/7268d9a3760b44ee9397afcd82a3701c.png)
4.依次选择 自己安装anaconda 的位置->envs->deeplearn(deeplearn是配置conda环境时,自己创建的深度学习的环境)->python.exe, 点击确定即可!
![在这里插入图片描述](https://img-blog.csdnimg.cn/85afeb3904ea42078424e2f4cd4b751b.png)
5.依次保存退出即可!
![在这里插入图片描述](https://img-blog.csdnimg.cn/277b18bca6e14d33b3e4147d9869751e.png)
![在这里插入图片描述](https://img-blog.csdnimg.cn/c01d146eff6243478126e9fee77b38a6.png)
三.安装运行yolov5所需的包!
1.一般打开这个文件,此时都会出现这个提示,提示你需要安装相应的包,点击【安装要求】,然后耐心等待即可。
![在这里插入图片描述](https://img-blog.csdnimg.cn/1ebf8878614440398ebc2dbdae4411ec.png)
2.如果不出来黄色提示的话,打开pycharm的终端,输入pip install -r requirements.txt,然后回车即可!
ps:一般的话,都不会一次安装成功,出来依次提示,点击一次,多点几次【安装要求】就好了!
ps:这个方法一般比较慢,耗时可能有点长,多点几次,耐心等待即可!
pip install -r requirements.txt
![在这里插入图片描述](https://img-blog.csdnimg.cn/359f415f9cfb47bda6a10ee23daa9130.png)
![在这里插入图片描述](https://img-blog.csdnimg.cn/675945b01d9f46ed8ad7a672fbde20bb.png)
2.接下来提供一种新的安装方法。
下图便是安装所需的包,大家首先对pycharm进行换源操作。
![在这里插入图片描述](https://img-blog.csdnimg.cn/3ea8c45c9ef94b4fb8df07b3186adcfc.png)
1.对pycharm软件源进行换源,打开【python软件包】
![在这里插入图片描述](https://img-blog.csdnimg.cn/34569d43b48a452fb2d23af93b3e5326.png)
2.点击设置图标
![在这里插入图片描述](https://img-blog.csdnimg.cn/873536a555ec4421964cccdf36e8c1c9.png)
3.点击【+】
![在这里插入图片描述](https://img-blog.csdnimg.cn/74705b9b4d8a4175aa364600e16572b9.png)
4.复制下述地址地址粘贴即可(选其一or都粘贴都行)!
https://pypi.tuna.tsinghua.edu.cn/simple
http://pypi.douban.com/simple/
http://mirrors.aliyun.com/pypi/simple/
![在这里插入图片描述](https://img-blog.csdnimg.cn/b42bbc293f3c4365a10951902c56fc63.png)
ps:以后安装什么包,直接选择国内的源进行安装可以提高速度!
5.打开终端输入下述代码,这个是直接指定了镜像源,-i …,前面换源操作有安装失败的可以直接在软件包下载即可!
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
![在这里插入图片描述](https://img-blog.csdnimg.cn/0d5c7803633644a790b06e3eebe2ce10.png)
6.耐心等待安装即可!
ps:如果有未安装成功的,可以多试几遍,或者直接在python软件包里面搜索进行安装。
7.软件包进行安装:提示有未安装的包,如下。
![在这里插入图片描述](https://img-blog.csdnimg.cn/9a7963e2748b453ea3d86e91e3112b2b.png)
8.打开文件->设置->项目->python解释器,点击【+】,如下图,切记不要选择conda的包管理器,就是+号旁边的绿色按钮。
![在这里插入图片描述](https://img-blog.csdnimg.cn/e5cc13988c154cc3a29701a284917d64.png)
9.搜索包名,选择国内源安装即可。
ps:不出现国内源,点击刷新等待即可!
![在这里插入图片描述](https://img-blog.csdnimg.cn/d4461fb121d24bc8b07f4df46e159493.png)
10.安装成功即可,如下图所示,其它包同理即可!
![在这里插入图片描述](https://img-blog.csdnimg.cn/db4e29ce493d4cf6b7b862a1ebe5067a.png)
至此相关的一切都已经ok了!
四.解决一些运行yolov5出现的一些问题
1.打开weights文件夹下的 detect.py,右键点击运行。
![在这里插入图片描述](https://img-blog.csdnimg.cn/4b719dddf13940a7ab5d3919a0e55144.png)
2.出现问题【subprocess.CalledProcessError: Command ‘pip install ‘protobuf<3.20,>=3.9.2’’ returned non-zero exit status 1.】
![在这里插入图片描述](https://img-blog.csdnimg.cn/c7be0f48f4734c918d4c5be2ca0c3b90.png)
** 解决办法 **
1.这是因为protobuf版本不符合,打开软件包,发现protobuf版本为3.20.3,恰好太高
![在这里插入图片描述](https://img-blog.csdnimg.cn/b15315efb0c447619953acde51a2f976.png)
2.搜索protobuf,并指定版本,并安装软件包即可,如下图所示。
![在这里插入图片描述](https://img-blog.csdnimg.cn/802fe973c4e24524953f05423d8c2680.png)
3.再次点击运行,发现该错误已解决!
3.出现问题【AttributeError: Can’t get attribute ‘SPPF’ on <module ‘models.common’ from ‘D:\Users\xxxxx\Desktop\yolov5-5.0_配置\models\common.py’>】
![在这里插入图片描述](https://img-blog.csdnimg.cn/c632465f7de640d3a371a8f387630c93.png)
** 解决办法 **
1.按照提示找到:models->common.py
![在这里插入图片描述](https://img-blog.csdnimg.cn/98e793c5c9504927b018e7546ec5cc55.png)
2.找到SPPF,在common的149行
3.在上面复制粘贴,如下图
class SPPF(nn.Module):
def __init__(self, c1, c2, k=5):
super().__init__()
c_ = c1 // 2
self.cv1 = Conv(c1, c_, 1, 1)
self.cv2 = Conv(c_ * 4, c2, 1, 1)
self.m = nn.MaxPool2d(kernel_size=k, stride=1, padding=k // 2)
def forward(self, x):
x = self.cv1(x)
with warnings.catch_warnings():
warnings.simplefilter('ignore')
y1 = self.m(x)
y2 = self.m(y1)
return self.cv2(torch.cat([x, y1, y2, self.m(y2)], 1))
![在这里插入图片描述](https://img-blog.csdnimg.cn/2cd162521409476987f71f112a157934.png)
4.接着在最上面导入import warnings,如下图:
import warnings
![在这里插入图片描述](https://img-blog.csdnimg.cn/8ab42f237cde495d9622a88e9dced183.png)
5.再次运行detect.py
4.出现问题【AttributeError: ‘Upsample’ object has no attribute ‘recompute_scale_factor’】
![在这里插入图片描述](https://img-blog.csdnimg.cn/25cad882203e46948beb26dadc93084b.png)
** 解决方法 **
1.直接点击下图选框中的错误提示,或按照文件提示路径找到该文件:
![在这里插入图片描述](https://img-blog.csdnimg.cn/16954b9e1b994f6f93ab6bedec2a1fe5.png)
2.记住下述结果。
![在这里插入图片描述](https://img-blog.csdnimg.cn/408d9abded3f459c8a97f4ab7c4d2b24.png)
3.发现在154行
,删除(or注销)154行
代码,并在153行
末尾,删除逗号,添加英文半角下的")",括号,如下图
recompute_scale_factor=self.recompute_scale_factor)
![在这里插入图片描述](https://img-blog.csdnimg.cn/927d4277bb5b4a71b0cfdae060aaaa92.png)
4.再次运行detect.py
5.出现问题【RuntimeError: The size of tensor a (80) must match the size of tensor b (56) at non-singleton dimension 3】
![在这里插入图片描述](https://img-blog.csdnimg.cn/61c5e9bad12d4922a9a467f7c1bf928d.png)
** 解决方法 **
1.这是因为下载的权重文件不匹配导致的。
2.下载相对应的权重文件即可
3.下载网址
4.可能有小伙伴网址打不开,别着急,权重文件我放在资源里,可以到时候直接下载。
5.下载完成后复制粘贴进来即可!
5.1首先点击最大的文件夹,【yolov5-5.0,…】,如下图:
![在这里插入图片描述](https://img-blog.csdnimg.cn/34ccc25a4dee4557819ac0b162325c08.png)
5.2 Ctrl+v 即可,如下图,切记目录不能出错。
![在这里插入图片描述](https://img-blog.csdnimg.cn/eb842c3a59c749a5a4b80ba4aa5fbf56.png)
5.3点击覆盖即可!
6.出现问题【NotImplementedError: Could not run ‘torchvision::nms’ with arguments from the ‘CUDA’ backend. 】
** 问题截图 **
![在这里插入图片描述](https://img-blog.csdnimg.cn/9388fd67d83a4756b90fb82282e49063.png)
** 解决方法 **
ps:这是我参考另一位博主的,链接放这
ps: 衷心的感谢这位博主!
1.单击下述这行代码,如图
![在这里插入图片描述](https://img-blog.csdnimg.cn/37e4530526604ae6888a1ddd3f1fc69d.png)
2.在开头导入模块
import my_nms
如下图
![在这里插入图片描述](https://img-blog.csdnimg.cn/a7e7cf5d1d4345ab8bd2d4ae3164dddf.png)
3.在下面粘贴这行代码,如下图:
return my_nms.nms(boxes,scores,iou_threshold)
![在这里插入图片描述](https://img-blog.csdnimg.cn/ef7f8de5434d405f99a5e15f2103bafe.png)
4.同插入yolov5s.pt文件一样,新建一个py文件,里面代码为:
from torch import Tensor
import torch
def box_area(boxes: Tensor) -> Tensor:
"""
Computes the area of a set of bounding boxes, which are specified by its
(x1, y1, x2, y2) coordinates.
Arguments:
boxes (Tensor[N, 4]): boxes for which the area will be computed. They
are expected to be in (x1, y1, x2, y2) format
Returns:
area (Tensor[N]): area for each box
"""
return (boxes[:, 2] - boxes[:, 0]) * (boxes[:, 3] - boxes[:, 1])
def box_iou(boxes1: Tensor, boxes2: Tensor) -> Tensor:
"""
Return intersection-over-union (Jaccard index) of boxes.
Both sets of boxes are expected to be in (x1, y1, x2, y2) format.
Arguments:
boxes1 (Tensor[N, 4])
boxes2 (Tensor[M, 4])
Returns:
iou (Tensor[N, M]): the NxM matrix containing the pairwise IoU values for every element in boxes1 and boxes2
"""
area1 = box_area(boxes1)
area2 = box_area(boxes2)
lt = torch.max(boxes1[:, None, :2], boxes2[:, :2])
rb = torch.min(boxes1[:, None, 2:], boxes2[:, 2:])
wh = (rb - lt).clamp(min=0)
inter = wh[:, :, 0] * wh[:, :, 1]
iou = inter / (area1[:, None] + area2 - inter)
return iou
def nms(boxes: Tensor, scores: Tensor, iou_threshold: float):
"""
:param boxes: [N, 4], 此处传进来的框,是经过筛选(NMS之前选取过得分TopK)之后, 在传入之前处理好的;
:param scores: [N]
:param iou_threshold: 0.7
:return:
"""
keep = []
idxs = scores.argsort()
while idxs.numel() > 0:
max_score_index = idxs[-1]
max_score_box = boxes[max_score_index][None, :]
keep.append(max_score_index)
if idxs.size(0) == 1:
break
idxs = idxs[:-1]
other_boxes = boxes[idxs]
ious = box_iou(max_score_box, other_boxes)
idxs = idxs[ious[0] <= iou_threshold]
keep = idxs.new(keep)
return keep
ps : my_nms.py位置如图:
![在这里插入图片描述](https://img-blog.csdnimg.cn/bb03421311684fe08b19a8aefaf5ab4d.png)
五.运行detect.py,发现运行成功
找到保存的运行结果成功的位置。
![在这里插入图片描述](https://img-blog.csdnimg.cn/7ad484e0dbec443c869907152d59a78d.png)
![在这里插入图片描述](https://img-blog.csdnimg.cn/22d6a41f19aa4cf7a699d8416e73f4f2.png)
![在这里插入图片描述](https://img-blog.csdnimg.cn/3b5dddc4901e42628e5f8955874aea93.png)
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)