综合指南Ultralytics YOLOv5

欢迎访问Ultralytics' YOLOv5🚀 文档！YOLOv5是革命性的 "只看一次 "对象检测模型的第五次迭代，旨在实时提供高速、高精度的结果。

这个强大的深度学习框架基于PyTorch ，因其多功能性、易用性和高性能而广受欢迎。我们的文档将指导您完成安装过程，解释模型在架构上的细微差别，展示各种使用案例，并提供一系列详细的教程。这些资源将帮助您在计算机视觉项目中充分发挥YOLOv5 的潜力。让我们开始吧

探索与学习

以下是综合教程汇编，将指导您了解YOLOv5.NET 的各个方面。

训练自定义数据🚀 建议：了解如何在自定义数据集上训练YOLOv5 模型。
获得最佳训练结果的技巧☘️：了解优化模型训练过程的实用技巧。
多 GPU 培训：了解如何利用多 GPU 加速培训。
PyTorch Hub🌟 新功能：通过PyTorch Hub 学习加载预训练模型。
TFLite,ONNX,CoreML,TensorRT Export🚀：了解如何将模型导出为不同格式。
NVIDIA Jetson 平台部署🌟 新内容：了解如何在 NVIDIA Jetson 平台上部署您的YOLOv5 模型。
测试时间增强 (TTA)：探索如何使用 TTA 提高模型的预测准确性。
模型组合：学习组合多个模型以提高性能的策略。
模型剪枝/稀疏性：了解剪枝和稀疏性概念，以及如何创建更高效的模型。
超参数进化：探索自动超参数调整过程，以提高模型性能。
使用冻结层进行迁移学习：了解如何在YOLOv5 中通过冻结图层实现迁移学习。
架构摘要🌟 深入了解YOLOv5 模型的结构细节。
Roboflow 数据集：了解如何利用Roboflow 进行数据集管理、标记和主动学习。
ClearML 记录🌟 了解如何集成ClearML ，以便在模型训练期间高效记录。
YOLOv5 Neural Magic了解如何使用Neural Magic的Deepsparse 对模型进行剪裁和量化。YOLOv5
Comet 记录🌟 新内容：探索如何利用Comet 改进模型训练记录。

支持的环境

Ultralytics 提供了一系列随时可用的环境，每个环境都预装了CUDA、CUDNN、 Python和 PyTorch等基本依赖项，以启动您的项目。

免费 GPU 笔记本:
谷歌云：GCP 快速入门指南
亚马逊 AWS 快速入门指南
Azure.AzureML 快速入门指南AzureML 快速入门指南
Docker: Docker 快速入门指南

项目现状

此徽章表示YOLOv5 GitHub Actions 的所有持续集成（CI）测试均已成功通过。这些 CI 测试严格检查了YOLOv5 在训练、验证、推理、导出和基准等多个关键方面的功能和性能。它们确保在 macOS、Windows 和 Ubuntu 上运行的一致性和可靠性，每 24 小时和每次新提交时都会进行一次测试。