YOLOv5 🚀 en AzureML

Esta guía proporciona una guía rápida para utilizar YOLOv5 desde una instancia de computación AzureML.

Tenga en cuenta que esta guía es un inicio rápido para pruebas rápidas. Si desea desbloquear todo el poder AzureML, usted puede encontrar la documentación para:

Requisitos previos

Necesita un espacio de trabajo AzureML.

Crear una instancia de cálculo

En su espacio de trabajo AzureML, seleccione Compute > Compute instances > New, seleccione la instancia con los recursos que necesita.

Abrir un terminal

Ahora desde la vista de Notebooks, abre un Terminal y selecciona tu compute.

Configurar y ejecutar YOLOv5

Ahora puedes crear un entorno virtual:

conda create --name yolov5env -y
conda activate yolov5env
conda install pip -y

Clonar el repositorio YOLOv5 con sus submódulos:

git clone https://github.com/ultralytics/yolov5
cd yolov5
git submodule update --init --recursive # Note that you might have a message asking you to add your folder as a safe.directory just copy the recommended command

Instale las dependencias necesarias:

pip install -r yolov5/requirements.txt
pip install onnx>=1.10.0

Entrene el modelo YOLOv5 :

python train.py

Validación del modelo para Precisión, Recall y mAP

python val.py --weights yolov5s.pt

Realice inferencias sobre imágenes y vídeos:

python detect.py --weights yolov5s.pt --source path/to/images

Exporta modelos a otros formatos:

python detect.py --weights yolov5s.pt --source path/to/images

Notas sobre el uso de un cuaderno

Ten en cuenta que si quieres ejecutar estos comandos desde un Cuaderno, necesitas crear un nuevo K ernel y seleccionar tu nuevo Kernel en la parte superior de tu Cuaderno.

Si crea celdas Python utilizará automáticamente su entorno personalizado, pero si añade celdas bash , tendrá que ejecutar source activate <your-env> en cada una de estas celdas para asegurarse de que utiliza su entorno personalizado.

Por ejemplo:

%%bash
source activate newenv
python val.py --weights yolov5s.pt

Creado hace 1 año ✏️ Actualizado hace 2 meses