YOLOv5 🚀 su AzureML

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

Nota che questa guida è un avvio rapido per una prova veloce. Se vuoi sbloccare tutte le potenzialità di AzureML, puoi trovare la documentazione a questo indirizzo:

Prerequisiti

Hai bisogno di uno spazio di lavoro AzureML.

Crea un'istanza di calcolo

Dall'area di lavoro AzureML, seleziona Compute > Istanze di calcolo > Nuova, seleziona l'istanza con le risorse necessarie.

Aprire un terminale

Ora, dalla vista Notebook, apri un Terminale e seleziona il tuo computer.

Configurazione ed esecuzione YOLOv5

Ora puoi 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

Installa le dipendenze necessarie:

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

Addestra il modello YOLOv5 :

python train.py

Validate the model for Precision, Recall, and mAP

python val.py --weights yolov5s.pt

Esegui inferenze su immagini e video:

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

Esporta i modelli in altri formati:

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

Note sull'utilizzo di un taccuino

Nota che se vuoi eseguire questi comandi da un blocco note, devi creare un nuovo Kernel e selezionare il nuovo Kernel nella parte superiore del blocco note.

Se crei le celle di Python , il sistema utilizzerà automaticamente l'ambiente personalizzato, ma se aggiungi le celle di bash , dovrai eseguire source activate <your-env> su ognuna di queste celle per assicurarti che utilizzi il tuo ambiente personalizzato.

Ad esempio:

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

📅 Created 11 months ago ✏️ Updated 18 days ago