ubuntu 18.04 下安装运行yolov5进行笔记本摄像头与图片测试

ubuntu 18.04/20.04 下安装运行yolov5

首先建立一个文件夹随便命名就好(保证自己以后可以方便找到),然后保证自己的python的版本要大于3:下载python3.7

sudo apt-get install python3.7

然后安装 python-pip:

sudo apt-get install python3-pip

在该文件夹下打开终端,将yolov5下载到该文件下

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

然后进入yolov5文件夹下

cd yolov5

配置yolov5环境:

pip3 install -U -r requirements.txt 

可能会出错No module named “skbuild”:

pip3 install scikit-build

安装yolov5:

pip3 install --upgrade pillow -i https://pypi.tuna.tsinghua.edu.cn/simple

这是下载安装好的文件夹:
在这里插入图片描述
下一步把yolov5s.pt放入weights中:

在这里插入图片描述输入命令运行代码:

 python3 detect.py --source ./data/images/ --weights yolov5s.pt --conf 0.4

运行结果:在 runs/detect中
在这里插入图片描述
在这里插入图片描述
如果想测试yolov5在笔记本摄像头下的效果直接输入命令:

python3 detect.py --source 0

在这里插入图片描述

版权声明:本文为CSDN博主「英雄小摔哥」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/weixin_51326570/article/details/113803695

英雄小摔哥

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

torch.nn.MaxPool2d详解

注意:这里展示的是本篇博文写时的版本最新的实现,但是后续会代码可能会迭代更新,建议对照官方文档进行学习。 先来看源码: # 这个类是是许多池化类的基类,这里有必要了解一下

目标检测学习笔记——OHEM和focal loss

OHEM(online hard example mining)和focal loss可以解决困难样本和简单样本不平衡的问题 OHEM通过选择损失较大的候选ROI解决困难样本和简单样本不平衡的问题,原论文是用fast rcnn做实