Zum Inhalt springen

Umfassender Leitfaden für Ultralytics YOLOv5

Ultralytics YOLOv5 v7.0 banner

YOLOv5 CI YOLOv5 Zitat Docker Pulls
Auf dem Gradienten laufen In Colab öffnen In Kaggle öffnen

Willkommen auf der Ultralytics' YOLOv5🚀 Dokumentation! YOLOv5, die fünfte Generation des revolutionären "You Only Look Once"-Objekterkennungsmodells, wurde entwickelt, um schnelle und hochpräzise Ergebnisse in Echtzeit zu liefern.

Dieses leistungsstarke Deep-Learning-Framework basiert auf PyTorch und erfreut sich aufgrund seiner Vielseitigkeit, Benutzerfreundlichkeit und hohen Leistung großer Beliebtheit. Unsere Dokumentation führt dich durch den Installationsprozess, erklärt die architektonischen Feinheiten des Modells, stellt verschiedene Anwendungsfälle vor und bietet eine Reihe von detaillierten Tutorials. Diese Ressourcen werden dir helfen, das volle Potenzial von YOLOv5 für deine Computer Vision Projekte zu nutzen. Los geht's!

Erforschen und Lernen

Hier ist eine Zusammenstellung umfassender Tutorials, die dich durch verschiedene Aspekte von YOLOv5 führen.

Unterstützte Umgebungen

Ultralytics bietet eine Reihe gebrauchsfertiger Umgebungen, die jeweils mit wichtigen Abhängigkeiten wie CUDA, CUDNN vorinstalliert sind, Python, und PyTorch, um deine Projekte zu starten.

Projektstatus

YOLOv5 CI

Dieses Abzeichen zeigt an, dass alle YOLOv5 GitHub Actions Continuous Integration (CI) Tests erfolgreich bestanden wurden. Diese CI-Tests überprüfen die Funktionalität und Leistung von YOLOv5 in verschiedenen Bereichen: Training, Validierung, Inferenz, Export und Benchmarks. Sie gewährleisten einen konsistenten und zuverlässigen Betrieb unter macOS, Windows und Ubuntu. Die Tests werden alle 24 Stunden und bei jeder neuen Übertragung durchgeführt.


Ultralytics GitHub Raum Ultralytics LinkedIn Raum Ultralytics Twitter Raum Ultralytics YouTube Raum Ultralytics TikTok Raum Ultralytics Instagram Raum Ultralytics Discord

Verbinden und beitragen

Deine Reise mit YOLOv5 muss keine einsame Reise sein. Tritt unserer lebendigen Community auf GitHub bei, tausche dich mit Fachleuten auf LinkedIn aus, teile deine Ergebnisse auf Twitter und finde Bildungsressourcen auf YouTube. Folge uns auf TikTok und Instagram für weitere interessante Inhalte.

Möchtest du einen Beitrag leisten? Wir freuen uns über alle Arten von Beiträgen, von Codeverbesserungen über Fehlerberichte bis hin zur Aktualisierung der Dokumentation. Weitere Informationen findest du in unseren Richtlinien für die Mitarbeit.

Wir sind gespannt auf die innovativen Möglichkeiten, die du mit YOLOv5 nutzen wirst. Tauche ein, experimentiere und revolutioniere deine Computer Vision Projekte! 🚀



Created 2023-11-12, Updated 2024-06-02
Authors: glenn-jocher (8), Burhan-Q (1), sergiuwaxmann (1)

Kommentare