Bỏ để qua phần nội dung

Hướng dẫn toàn diện về Ultralytics YOLOv5

Ultralytics YOLOv5 Biểu ngữ v7.0

YOLOv5 CI YOLOv5 Trích dẫn Docker kéo
Chạy trên Gradient Mở trong Colab Mở trong Kaggle

Chào mừng bạn đến với Ultralytics' YOLOv5🚀 Tư liệu! YOLOv5, lần lặp lại thứ năm của mô hình phát hiện đối tượng "You Only Look Once" mang tính cách mạng, được thiết kế để mang lại kết quả tốc độ cao, độ chính xác cao trong thời gian thực.

Được xây dựng trên PyTorch, framework deep learning mạnh mẽ này đã thu hút được sự phổ biến rộng rãi nhờ tính linh hoạt, dễ sử dụng và hiệu suất cao. Tài liệu của chúng tôi hướng dẫn bạn qua quá trình cài đặt, giải thích các sắc thái kiến trúc của mô hình, giới thiệu các trường hợp sử dụng khác nhau và cung cấp một loạt các hướng dẫn chi tiết. Những tài nguyên này sẽ giúp bạn khai thác toàn bộ tiềm năng của YOLOv5 cho các dự án thị giác máy tính của bạn. Bắt đầu nào!

Khám phá và học hỏi

Dưới đây là tổng hợp các hướng dẫn toàn diện sẽ hướng dẫn bạn qua các khía cạnh khác nhau của YOLOv5.

  • Đào tạo dữ liệu 🚀 tùy chỉnh KHUYẾN NGHỊ: Tìm hiểu cách đào tạo YOLOv5 mô hình trên tập dữ liệu tùy chỉnh của bạn.
  • Mẹo để có kết quả ☘️ đào tạo tốt nhất: Khám phá các mẹo thiết thực để tối ưu hóa quy trình đào tạo mô hình của bạn.
  • Đào tạo đa GPU: Hiểu cách tận dụng nhiều GPU để đẩy nhanh quá trình đào tạo của bạn.
  • PyTorch Hub 🌟 NEW: Học cách tải các mô hình được đào tạo trước thông qua PyTorch Trung tâm.
  • TFLite, ONNX, CoreML, TensorRT Xuất 🚀 : Hiểu cách xuất mô hình của bạn sang các định dạng khác nhau.
  • Triển khai 🌟 nền tảng NVIDIA Jetson MỚI: Tìm hiểu cách triển khaiYOLOv5 mô hình trên nền tảng NVIDIA Jetson.
  • Tăng thời gian kiểm tra (TTA): Khám phá cách sử dụng TTA để cải thiện độ chính xác dự đoán của mô hình.
  • Ghép mô hình: Tìm hiểu chiến lược kết hợp nhiều mô hình để cải thiện hiệu suất.
  • Mô hình cắt tỉa / thưa thớt: Hiểu các khái niệm cắt tỉa và thưa thớt, và cách tạo ra một mô hình hiệu quả hơn.
  • Hyperparameter Evolution: Khám phá quá trình điều chỉnh siêu tham số tự động để có hiệu suất mô hình tốt hơn.
  • Học chuyển tiếp với các lớp đông lạnh: Tìm hiểu cách thực hiện học chuyển tiếp bằng cách đóng băng các lớp trong YOLOv5.
  • Tóm tắt 🌟 kiến trúc Đi sâu vào các chi tiết cấu trúc của YOLOv5 mẫu.
  • Roboflow Đối với Tập dữ liệu: Hiểu cách sử dụng Roboflow để quản lý tập dữ liệu, ghi nhãn và học tập tích cực.
  • ClearML Ghi nhật ký 🌟 Tìm hiểu cách tích hợp ClearML để ghi nhật ký hiệu quả trong quá trình đào tạo mô hình của bạn.
  • YOLOv5 với Neural Magic Khám phá cách sử dụng Neural Magic's Deepsparse để cắt tỉa và định lượng của bạn YOLOv5 mẫu.
  • Comet Ghi nhật ký 🌟 MỚI: Khám phá cách sử dụng Comet để cải thiện ghi nhật ký đào tạo mô hình.

Môi trường được hỗ trợ

Ultralytics cung cấp một loạt các môi trường sẵn sàng sử dụng, mỗi môi trường được cài đặt sẵn các phụ thuộc thiết yếu như CUDA, CUDNN,PythonPyTorch, để khởi động các dự án của bạn.

Tình trạng dự án

YOLOv5 CI

Huy hiệu này cho biết rằng tất cả YOLOv5 Các bài kiểm tra Tích hợp liên tục (CI) GitHub Actions đã vượt qua thành công. Các bài kiểm tra CI này kiểm tra nghiêm ngặt chức năng và hiệu suất của YOLOv5 trên các khía cạnh chính khác nhau: đào tạo, xác nhận, suy luận, xuất khẩuđiểm chuẩn. Chúng đảm bảo hoạt động nhất quán và đáng tin cậy trên macOS, Windows và Ubuntu, với các thử nghiệm được tiến hành 24 giờ một lần và theo mỗi cam kết mới.


Ultralytics GitHub không gian Ultralytics Liên kết không gian Ultralytics Twitter không gian Ultralytics YouTube không gian Ultralytics TikTok không gian Ultralytics Ảnh minh họa không gian Ultralytics Bất hòa

Kết nối và đóng góp

Hành trình của bạn với YOLOv5 không nhất thiết phải là một người đơn độc. Tham gia cộng đồng sôi động của chúng tôi trên GitHub, kết nối với các chuyên gia trên LinkedIn, chia sẻ kết quả của bạn trên Twitter và tìm tài nguyên giáo dục trên YouTube. Theo dõi chúng tôi trên TikTokInstagram để có nội dung hấp dẫn hơn.

Quan tâm đến việc đóng góp? Chúng tôi hoan nghênh sự đóng góp dưới mọi hình thức; từ cải tiến mã và báo cáo lỗi đến cập nhật tài liệu. Hãy xem nguyên tắc đóng góp của chúng tôi để biết thêm thông tin.

Chúng tôi rất vui khi thấy những cách sáng tạo mà bạn sẽ sử dụng YOLOv5. Đi sâu vào, thử nghiệm và cách mạng hóa các dự án thị giác máy tính của bạn! 🚀



Created 2023-11-12, Updated 2024-06-02
Authors: glenn-jocher (8), Burhan-Q (1), sergiuwaxmann (1)

Ý kiến