win10下yolov5 v6.0环境配置

1、首先安装cuda和cudnn,安装步骤参考

Cuda和cuDNN安装教程(超级详细)_jhsignal的博客-CSDN博客_cuda安装教程

2、安装PyTorch

pytorch:Start Locally | PyTorch

根据自己的cuda和cudnn选择对应的pytorch版本,如果是cuda10.1和10.2 LTS版本兼容性好点。

3、下载yolov5

https://github.com/ultralytics/yolov5/tree/v6.0

4、修改相应文件,自定义训练

 

5、自定义数据集

6、从头开始训练

 

python train.py --img 640 --batch 80 --epochs 800 --data data/coco128.yaml --cfg models/yolov5s.yaml 

 

 

 

 

 

版权声明:本文为CSDN博主「zhangfeng5909」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/zhangfeng5909/article/details/122243173

zhangfeng5909

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

目标检测中计算数据集每一类别框的数量

众所周知,一个好的目标检测模型需要大量的数据来训练,当数据量较多的情况,我们没办法直观看到每一类别的目标框个数,就无法判断类别是否平衡。 下面的算法作用就是统计数据集中每一类别的目标框个数

Detectron目录结构

在detectron目录下一般会有如下几个比较重要的目录: configs、 detectron(lib)、 tools
configs目录下
全部存放的是模型训练的各种yaml配置文件。在detectron框架中进行训练及测