Исчерпывающее руководство по Ultralytics YOLOv5
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.
- Обучение пользовательских данных 🚀 РЕКОМЕНДУЕТСЯ: Узнай, как обучить модель YOLOv5 на твоем пользовательском наборе данных.
- Советы для достижения наилучших результатов обучения ☘️: Раскрой практические советы, которые помогут оптимизировать процесс тренировки моделей.
- Тренировки на нескольких GPU: Пойми, как задействовать несколько GPU, чтобы ускорить процесс обучения.
- PyTorch Hub 🌟 НОВИНКА: научись загружать предварительно обученные модели через PyTorch Hub.
- TFLite, ONNX, CoreML, TensorRT Экспорт 🚀: Пойми, как экспортировать свою модель в разные форматы.
- Развертывание на платформе NVIDIA Jetson 🌟 НОВИНКА: Узнай, как развернуть свою модель YOLOv5 на платформе NVIDIA Jetson.
- Test-Time Augmentation (TTA): Узнай, как использовать TTA для повышения точности предсказаний твоей модели.
- Объединение моделей: Изучи стратегию объединения нескольких моделей для повышения производительности.
- Обрезка/разбиение модели: Разберись в концепциях обрезки и разреженности, а также в том, как создать более эффективную модель.
- Эволюция гиперпараметров: Открой для себя процесс автоматической настройки гиперпараметров для повышения производительности модели.
- Трансферное обучение с помощью замороженных слоев: Узнай, как реализовать трансферное обучение с помощью замораживания слоев в YOLOv5.
- Краткое описание архитектуры 🌟 Вникни в структурные детали модели YOLOv5 .
- Roboflow для наборов данных: Пойми, как использовать Roboflow для управления наборами данных, маркировки и активного обучения.
- ClearML Ведение журнала 🌟 Узнай, как интегрировать ClearML для эффективного ведения журнала во время обучения модели.
- YOLOv5 с Neural Magic Узнай, как использовать Neural Magic'Deepsparse для обрезки и квантования твоей YOLOv5 модели.
- Comet Ведение логов 🌟 НОВИНКА: Узнай, как использовать Comet для улучшения ведения логов при обучении модели.
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.
- Бесплатные ноутбуки с графическим процессором:
- Google Cloud: Руководство по быстрому запуску GCP
- Amazon: Руководство по быстрому запуску AWS
- Azure: Руководство по быстрому запуску AzureML
- Docker: Руководство по быстрому запуску Docker
Статус проекта
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.
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! 🚀