YOLOv5 🚀 su AzureML

Questa guida fornisce una guida rapida all'uso di YOLOv5 da un'istanza di calcolo AzureML.

Si noti che questa guida è un avvio rapido per una prova veloce. Se volete sbloccare tutta la potenza di AzureML, potete trovare la documentazione su:

Prerequisiti

È necessario uno spazio di lavoro AzureML.

Creare un'istanza di calcolo

Nell'area di lavoro AzureML, selezionare Compute > Istanze di calcolo > Nuovo, selezionare l'istanza con le risorse necessarie.

Aprire un terminale

Ora, dalla vista Notebook, aprite un Terminale e selezionate il vostro computer.

Configurazione ed esecuzione YOLOv5

Ora è possibile creare un ambiente virtuale:

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

Clona il repository YOLOv5 con i suoi sottomoduli:

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

Installare le dipendenze necessarie:

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

Addestrare il modello YOLOv5 :

python train.py

Validazione del modello per precisione, richiamo e mAP

python val.py --weights yolov5s.pt

Eseguire inferenze su immagini e video:

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

Esportazione di modelli in altri formati:

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

Note sull'utilizzo di un taccuino

Se si desidera eseguire questi comandi da un blocco note, è necessario creare un nuovo kernel e selezionarlo nella parte superiore del blocco note.

Se si creano celle Python , verrà automaticamente utilizzato l'ambiente personalizzato, ma se si aggiungono celle bash , sarà necessario eseguire source activate <your-env> su ciascuna di queste celle per assicurarsi che utilizzi l'ambiente personalizzato.

Ad esempio:

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

📅C reato 1 anno fa ✏️ Aggiornato 1 mese fa