Guida completa a Ultralytics YOLOv5
Benvenuti su Ultralytics' YOLOv5🚀 Documentazione! YOLOv5, la quinta iterazione del rivoluzionario modello di rilevamento degli oggetti "You Only Look Once", è stato progettato per fornire risultati ad alta velocità e precisione in tempo reale.
Costruito su PyTorch, questo potente framework per l'apprendimento profondo ha ottenuto un'immensa popolarità per la sua versatilità, facilità d'uso e alte prestazioni. La nostra documentazione ti guida attraverso il processo di installazione, spiega le sfumature architettoniche del modello, mostra vari casi d'uso e fornisce una serie di tutorial dettagliati. Queste risorse ti aiuteranno a sfruttare tutto il potenziale di YOLOv5 per i tuoi progetti di computer vision. Iniziamo!
Esplora e impara
Ecco una raccolta di tutorial completi che ti guideranno attraverso diversi aspetti di YOLOv5.
- Addestrare dati personalizzati 🚀 CONSIGLIATO: Scopri come addestrare il modello YOLOv5 sul tuo set di dati personalizzato.
- Suggerimenti per ottenere i migliori risultati di formazione ☘️: Scopri i consigli pratici per ottimizzare il processo di formazione dei modelli.
- Formazione Multi-GPU: Scopri come sfruttare più GPU per accelerare la tua formazione.
- PyTorch Hub 🌟 NUOVO: Impara a caricare i modelli pre-addestrati tramite PyTorch Hub.
- TFLite, ONNX, CoreML, TensorRT Esportazione 🚀: Scopri come esportare il tuo modello in diversi formati.
- Implementazione della piattaforma NVIDIA Jetson 🌟 NUOVO: Scopri come implementare il tuo modello YOLOv5 sulla piattaforma NVIDIA Jetson.
- Test-Time Augmentation (TTA): Scopri come utilizzare il TTA per migliorare l'accuratezza della previsione del tuo modello.
- Assemblaggio di modelli: Impara la strategia di combinazione di più modelli per migliorare le prestazioni.
- Potenziamento del modello/sparsità: Comprendi i concetti di pruning e sparsity e come creare un modello più efficiente.
- Evoluzione degli iperparametri: Scopri il processo di regolazione automatica degli iperparametri per migliorare le prestazioni del modello.
- Apprendimento per trasferimento con i livelli congelati: Scopri come implementare l'apprendimento per trasferimento congelando i livelli in YOLOv5.
- Riepilogo dell'architettura 🌟 Approfondisci i dettagli strutturali del modello YOLOv5 .
- Roboflow per i dataset: Scopri come utilizzare Roboflow per la gestione dei dataset, l'etichettatura e l'apprendimento attivo.
- ClearML Registrazione 🌟 Scopri come integrare ClearML per una registrazione efficiente durante l'addestramento del modello.
- YOLOv5 con Neural Magic Scopri come utilizzare Neural Magic's Deepsparse per sfrondare e quantizzare il tuo modello YOLOv5 .
- Comet Registrazione 🌟 NUOVO: Scopri come utilizzare Comet per migliorare la registrazione dell'allenamento del modello.
Ambienti supportati
Ultralytics offre una serie di ambienti pronti all'uso, ciascuno preinstallato con le dipendenze essenziali come CUDA, CUDNN, Python, e PyTorchper dare il via ai tuoi progetti.
- Quaderni GPU gratuiti:
- Google Cloud: Guida rapida a GCP
- Amazon: Guida rapida di AWS
- Azure: Guida rapida ad AzureML
- Docker: Guida rapida a Docker
Stato del progetto
Questo badge indica che tutti i test di YOLOv5 GitHub Actions Continuous Integration (CI) sono stati superati con successo. Questi test CI verificano rigorosamente la funzionalità e le prestazioni di YOLOv5 in vari aspetti chiave: formazione, validazione, inferenza, esportazione e benchmark. Assicurano un funzionamento coerente e affidabile su macOS, Windows e Ubuntu, con test condotti ogni 24 ore e su ogni nuovo commit.
Connettiti e contribuisci
Il tuo viaggio con YOLOv5 non deve essere solitario. Unisciti alla nostra vivace comunità su GitHub, entra in contatto con i professionisti su LinkedIn, condividi i tuoi risultati su Twitter e trova risorse educative su YouTube. Seguici su TikTok e Instagram per altri contenuti coinvolgenti.
Sei interessato a contribuire? Accettiamo contributi di ogni tipo: dai miglioramenti del codice alle segnalazioni di bug, fino agli aggiornamenti della documentazione. Per maggiori informazioni, consulta le nostre linee guida per i contributi.
Non vediamo l'ora di vedere i modi innovativi in cui utilizzerai YOLOv5. Tuffati, sperimenta e rivoluziona i tuoi progetti di computer vision! 🚀