Guide complet pour Ultralytics YOLOv5
Bienvenue sur le site Ultralytics' YOLOv5🚀 Documentation ! YOLOv5, la cinquième itération du modèle révolutionnaire de détection d'objets "Tu ne regardes qu'une fois", est conçue pour fournir des résultats rapides et très précis en temps réel.
Construit sur PyTorch, ce puissant framework d'apprentissage profond a gagné une immense popularité pour sa polyvalence, sa facilité d'utilisation et ses hautes performances. Notre documentation te guide tout au long du processus d'installation, explique les nuances architecturales du modèle, présente divers cas d'utilisation et fournit une série de tutoriels détaillés. Ces ressources t'aideront à exploiter tout le potentiel de YOLOv5 pour tes projets de vision par ordinateur. C'est parti !
Explore et apprends
Voici une compilation de tutoriels complets qui te guideront à travers les différents aspects de YOLOv5.
- Entraîner les données personn alisées 🚀 RECOMMANDÉ : Apprends à entraîner le modèle YOLOv5 sur ton ensemble de données personnalisées.
- Conseils pour obtenir les meilleurs résultats de formation ☘️ : Découvre des conseils pratiques pour optimiser ton processus de formation aux modèles.
- Formation multi-GPU: Comprends comment tirer parti de plusieurs GPU pour accélérer ta formation.
- PyTorch Hub 🌟 NOUVEAU : Apprends à charger des modèles pré-entraînés via PyTorch Hub.
- TFLite, ONNX, CoreML, TensorRT Export 🚀 : Comprendre comment exporter ton modèle dans différents formats.
- Déploiement sur la plateforme NVIDIA Jetson 🌟 NOUVEAU : Apprends à déployer ton modèle YOLOv5 sur la plateforme NVIDIA Jetson.
- Augmentation du temps d'essai (TTA): Explore comment utiliser la TTA pour améliorer la précision des prédictions de ton modèle.
- Assemblage de modèles: Apprends la stratégie qui consiste à combiner plusieurs modèles pour améliorer les performances.
- Élagage du modèle et éparpillement: Comprendre les concepts d'élagage et d'éparpillement, et comment créer un modèle plus efficace.
- Évolution des hyperparamètres : Découvre le processus d'ajustement automatisé des hyperparamètres pour une meilleure performance du modèle.
- Apprentissage par transfert avec des couches gelées: Apprends à mettre en œuvre l'apprentissage par transfert en gelant des couches dans YOLOv5.
- Résumé de l'architecture 🌟 Plonge dans les détails structurels du modèle YOLOv5 .
- Roboflow pour les ensembles de données: Comprendre comment utiliser Roboflow pour la gestion des ensembles de données, l'étiquetage et l'apprentissage actif.
- ClearML Journalisation 🌟 Apprends à intégrer ClearML pour une journalisation efficace pendant l'entraînement de ton modèle.
- YOLOv5 avec Neural Magic Découvre comment utiliser Neural Magic's Deepsparse pour élaguer et quantifier ton modèle YOLOv5 .
- Comet Journalisation 🌟 NOUVEAU : Explore comment utiliser Comet pour améliorer la journalisation de l'entraînement au modèle.
Environnements pris en charge
Ultralytics fournit une gamme d'environnements prêts à l'emploi, chacun préinstallé avec des dépendances essentielles telles que CUDA, CUDNN, Pythonet PyTorchpour lancer tes projets.
- Cahiers de notes gratuits sur les GPU:
- Google Cloud: Guide de démarrage rapide de GCP
- Amazon: Guide de démarrage rapide AWS
- Azure: Guide de démarrage rapide d'AzureML
- Docker: Guide de démarrage rapide de Docker
Statut du projet
Ce badge indique que tous les tests d'intégration continue (CI) de YOLOv5 GitHub Actions sont passés avec succès. Ces tests CI vérifient rigoureusement la fonctionnalité et les performances de YOLOv5 sur différents aspects clés : entraînement, validation, inférence, exportation et benchmarks. Ils garantissent un fonctionnement cohérent et fiable sur macOS, Windows et Ubuntu, avec des tests effectués toutes les 24 heures et à chaque nouveau commit.
Connecte-toi et contribue
Ton voyage avec YOLOv5 n'a pas besoin d'être solitaire. Rejoins notre communauté dynamique sur GitHub, connecte-toi avec des professionnels sur LinkedIn, partage tes résultats sur Twitter et trouve des ressources éducatives sur YouTube. Suis-nous sur TikTok et Instagram pour des contenus encore plus engageants.
Tu souhaites contribuer ? Nous acceptons toutes les formes de contribution, qu'il s'agisse d'améliorations du code, de rapports de bogues ou de mises à jour de la documentation. Consulte nos directives de contribution pour plus d'informations.
Nous sommes impatients de voir les façons novatrices dont tu utiliseras YOLOv5. Plonge, expérimente et révolutionne tes projets de vision par ordinateur ! 🚀