Перейти к содержимому

Исчерпывающее руководство по Ultralytics YOLOv5

Ultralytics YOLOv5 баннер v7.0

YOLOv5 CI YOLOv5 Цитировать Docker Pulls
Бег по градиенту Open In Colab Откройся в Kaggle

Добро пожаловать на Ultralytics' YOLOv5🚀 Documentation! YOLOv5 пятая итерация революционной модели обнаружения объектов "You Only Look Once", разработанная для получения высокоскоростных и высокоточных результатов в режиме реального времени.

Построенный на базе PyTorch, этот мощный фреймворк глубокого обучения завоевал огромную популярность благодаря своей универсальности, простоте использования и высокой производительности. Наша документация проведет тебя через процесс установки, объяснит архитектурные нюансы модели, покажет различные примеры использования и предоставит ряд подробных руководств. Эти ресурсы помогут тебе использовать весь потенциал YOLOv5 для своих проектов в области компьютерного зрения. Давай приступим!

Исследуй и учись

Перед тобой подборка исчерпывающих руководств, которые проведут тебя по различным аспектам YOLOv5.

Поддерживаемые среды

Ultralytics Он предоставляет ряд готовых к использованию окружений, в каждом из которых предустановлены такие необходимые зависимости, как CUDA, CUDNN, Python, и PyTorch, чтобы запустить твои проекты.

Статус проекта

YOLOv5 CI

Этот значок означает, что все тесты непрерывной интеграции (CI) YOLOv5 GitHub Actions успешно пройдены. Эти CI-тесты тщательно проверяют функциональность и производительность YOLOv5 по различным ключевым аспектам: обучение, валидация, вывод, экспорт и бенчмарки. Они обеспечивают стабильную и надежную работу на macOS, Windows и Ubuntu, причем тесты проводятся каждые 24 часа и при каждом новом коммите.


Ultralytics GitHub Космос Ultralytics LinkedIn Космос Ultralytics Твиттер Космос Ultralytics YouTube Космос Ultralytics TikTok Космос Ultralytics Instagram Космос Ultralytics Дискорд

Подключайтесь и вносите свой вклад

Твое путешествие с YOLOv5 не обязательно должно быть одиноким. Присоединяйся к нашему активному сообществу на GitHub, общайся с профессионалами на LinkedIn, делись своими результатами в Twitter и находи образовательные ресурсы на YouTube. Следи за нами в TikTok и Instagram, чтобы получать еще больше увлекательного контента.

Хочешь внести свой вклад? Мы приветствуем вклад в любом виде: от улучшения кода и сообщений об ошибках до обновления документации. Ознакомься с нашим руководством по внесению вклада, чтобы получить больше информации.

Нам не терпится увидеть инновационные способы, которыми ты будешь использовать YOLOv5. Погружайся в работу, экспериментируй и совершай революцию в своих проектах по компьютерному зрению! 🚀



Создано 2023-11-12, Обновлено 2024-01-07
Авторы: glenn-jocher (5), sergiuwaxmann (1)

Комментарии