YOLOv5 🚀 no AzureML

Este guia fornece um início rápido para usar YOLOv5 de uma instância de computação do AzureML.

Note que este guia é um guia de início rápido para testes rápidos. Se pretender desbloquear todo o poder do AzureML, pode encontrar a documentação em:

Pré-requisitos

É necessário um espaço de trabalho AzureML.

Criar uma instância de computação

No seu espaço de trabalho AzureML, selecione Computação > Instâncias de computação > Novo, selecione a instância com os recursos de que necessita.

Abrir um terminal

Agora, na vista Notebooks, abra um Terminal e selecione o seu computador.

Configurar e executar YOLOv5

Agora pode criar um ambiente virtual:

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

Clonar o repositório YOLOv5 com os seus submódulos:

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

Instalar as dependências necessárias:

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

Treinar o modelo YOLOv5 :

python train.py

Validar o modelo para Precisão, Recuperação e mAP

python val.py --weights yolov5s.pt

Executar a inferência em imagens e vídeos:

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

Exportar modelos para outros formatos:

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

Notas sobre a utilização de um bloco de notas

Note que se quiser executar estes comandos a partir de um Notebook, tem de criar um novo Kernel e selecionar o seu novo Kernel na parte superior do seu Notebook.

Se criar células Python , utilizará automaticamente o seu ambiente personalizado, mas se adicionar células bash , terá de executar source activate <your-env> em cada uma destas células para garantir que utiliza o seu ambiente personalizado.

Por exemplo:

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

📅C riado há 1 ano ✏️ Atualizado há 1 mês