Skip to content

Guide complet pour Ultralytics YOLOv5

Ultralytics YOLOv5 bannière v7.0

YOLOv5 CI YOLOv5 Citation Les tirages de Docker
Exécuter sur un gradient Open In Colab Ouvrir dans Kaggle

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 cadre 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.

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.

Statut du projet

YOLOv5 CI

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.


Ultralytics GitHub espace Ultralytics LinkedIn espace Ultralytics Twitter espace Ultralytics YouTube espace Ultralytics TikTok espace Ultralytics Instagram espace Ultralytics Discorde

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 ! 🚀



Créé le 2023-11-12, Mis à jour le 2024-01-07
Auteurs : glenn-jocher (5), sergiuwaxmann (1)

Commentaires