Zum Inhalt springen

Umfassender Leitfaden fĂŒr 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 fĂŒnfte Generation des revolutionĂ€ren "You Only Look Once"-Objekterkennungsmodells, wurde entwickelt, um schnelle und hochprĂ€zise 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 fĂŒhrt dich durch den Installationsprozess, erklĂ€rt die architektonischen Feinheiten des Modells, stellt verschiedene AnwendungsfĂ€lle vor und bietet eine Reihe von detaillierten Tutorials. Diese Ressourcen werden dir helfen, das volle Potenzial von YOLOv5 fĂŒr 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 fĂŒhren.

UnterstĂŒtzte Umgebungen

Ultralytics bietet eine Reihe gebrauchsfertiger Umgebungen, die jeweils mit wichtigen AbhÀngigkeiten 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 ĂŒberprĂŒfen die FunktionalitĂ€t und Leistung von YOLOv5 in verschiedenen SchlĂŒsselbereichen: Training, Validierung, Inferenz, Export und Benchmarks. Sie gewĂ€hrleisten einen konsistenten und zuverlĂ€ssigen Betrieb unter macOS, Windows und Ubuntu. Die Tests werden alle 24 Stunden und bei jeder neuen Übertragung durchgefĂŒhrt.


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 fĂŒr weitere interessante Inhalte.

Möchtest du einen Beitrag leisten? Wir freuen uns ĂŒber alle Arten von BeitrĂ€gen, von Codeverbesserungen ĂŒber Fehlerberichte bis hin zur Aktualisierung der Dokumentation. Weitere Informationen findest du in unseren Richtlinien fĂŒr die Mitarbeit.

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



Erstellt am 2023-11-12, Aktualisiert am 2024-01-07
Autoren: glenn-jocher (5), sergiuwaxmann (1)

Kommentare