0


Pycharm+Anaconda+yolov5-5.0部署(手把手教+解决一些运行过程中的问题+最全部署yolov5)

目录

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

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

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

2.单击【现有】

在这里插入图片描述

3.单击【…】

在这里插入图片描述

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

5.依次保存退出即可!

在这里插入图片描述
在这里插入图片描述

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

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
在这里插入图片描述

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

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

2.点击设置图标

在这里插入图片描述

3.点击【+】

在这里插入图片描述

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 #清华
 http://pypi.douban.com/simple/ #豆瓣
 http://mirrors.aliyun.com/pypi/simple/ # 阿里云

在这里插入图片描述
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

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

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

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

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
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

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

** 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
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
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

** 解决办法 **

1.按照提示找到:models->common.py
在这里插入图片描述
2.找到SPPF,在common的

149行

3.在上面复制粘贴,如下图

class SPPF(nn.Module):
  # Spatial Pyramid Pooling - Fast (SPPF) layer for YOLOv5 by Glenn Jocher
  def __init__(self, c1, c2, k=5):  # equivalent to SPP(k=(5, 9, 13))
    super().__init__()
    c_ = c1 // 2# hidden channels
    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')# suppress torch 1.9.0 max_pool2d() warning
      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

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
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

** 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
2.记住下述结果。
在这里插入图片描述

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
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

** 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
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
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

** 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
2.在开头导入模块

import my_nms

如下图
在这里插入图片描述
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
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 forwhich 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)# 每个框的面积 (N,)
    area2 = box_area(boxes2)# (M,)
 
    lt = torch.max(boxes1[:, None, :2], boxes2[:, :2])# [N,M,2] # N中一个和M个比较; 所以由N,M 个
    rb = torch.min(boxes1[:, None, 2:], boxes2[:, 2:])# [N,M,2]
 
    wh =(rb - lt).clamp(min=0)# [N,M,2]  #小于0的为0  clamp 钳;夹钳;
    inter = wh[:, :, 0] * wh[:, :, 1]# [N,M]
 
    iou = inter / (area1[:, None] + area2 - inter)return iou  # NxM, boxes1中每个框和boxes2中每个框的IoU值;
 
 
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 =[]# 最终保留的结果, 在boxes中对应的索引;
    idxs = scores.argsort()# 值从小到大的 索引while idxs.numel()>0:  # 循环直到null; numel(): 数组元素个数# 得分最大框对应的索引, 以及对应的坐标
        max_score_index = idxs[-1]
        max_score_box = boxes[max_score_index][None, :]# [1, 4]
        keep.append(max_score_index)if idxs.size(0)==1:  # 就剩余一个框了;break
        idxs = idxs[:-1]# 将得分最大框 从索引中删除; 剩余索引对应的框 和 得分最大框 计算IoU;
        other_boxes = boxes[idxs]# [?, 4]
        ious = box_iou(max_score_box, other_boxes)# 一个框和其余框比较 1XM
        idxs = idxs[ious[0]<= iou_threshold]
 
    keep = idxs.new(keep)# Tensorreturn keep

ps : my_nms.py位置如图:
在这里插入图片描述

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
在这里插入图片描述
在这里插入图片描述

标签: pycharm YOLO python

本文转载自: https://blog.csdn.net/qq_63913621/article/details/129059909
版权归原作者 ymchuangke 所有, 如有侵权,请联系我们删除。

“Pycharm+Anaconda+yolov5-5.0部署(手把手教+解决一些运行过程中的问题+最全部署yolov5)”的评论:

还没有评论