目录

Quick Start Examples

Install

# clone
git clone https://github.com/ultralytics/yolov5
cd yolov5

# create virtual python environments
python -m venv yolov5_env
source yolov5_env/bin/activate
python -m pip install --upgrade pip

# install
pip install -r requirements.txt

Inference

import torch

# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')  # or yolov5m, yolov5l, yolov5x, custom

# Images
img = 'https://ultralytics.com/images/zidane.jpg'  # or file, Path, PIL, OpenCV, numpy, list

# Inference
results = model(img)

# Results
results.print()  # or .show(), .save(), .crop(), .pandas(), etc.
results.show()

Inference with detect.py

python detect.py --source 0  # webcam
                          img.jpg  # image
                          vid.mp4  # video
                          path/  # directory
                          path/*.jpg  # glob
                          'https://youtu.be/Zgi9g1ksQHc'  # YouTube
                          'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP stream

Train Custom Data

1. 创建数据集

这里使用 yolov5 自带的 data/coco128.yaml 小型数据集

2. 选择模型

选择预训练模型，这里选择 YOLOv5s。

3. 训练

python train.py --img 640 --batch 16 --epochs 10 --data coco128.yaml --weights yolov5s.pt

训练结果存储在目录 runs/train/

4. 可视化

wandb

需要训练前安装。

pip install wandb

wandb login

浏览器中访问：[https://wandb.ai/](https://wandb.ai)

TensorBoard

本地查看
tensorboard --logdir runs/train

浏览器中访问：http://localhost:6006/

公开服务，IP暴露到网络上，其它机器可以访问。
tensorboard --logdir runs/train --bind_all

浏览器中访问：http://server_ip:6006/

参考资料