yolov5学习过程记录(待完善）

１．YOLOv5体积小，YOLOv5 s的权重文件为27MB。YOLOv4（Darknet架构）的权重文件为244MB。YOLOv5比YOLOv4小近90％。这意味着YOLOv5可以更轻松地部署到嵌入式设备。

２．YOLOv5速度比前代更快，在运行Tesla P100的YOLOv5 Colab笔记本中，每个图像的推理时间快至0.007秒，意味着每秒140帧（FPS）！

３．YOLOv5 Ultralytics python pytorch python3.7+ pytorch1.5+

４．

５．环境配置：见下

https://blog.csdn.net/Dontla/article/details/106780033

https://blog.csdn.net/yumin1058882119/article/details/107107167/?utm_medium=distribute.pc_relevant.none-task-blog-baidujs-3

使用教程https://blog.csdn.net/yapifeitu/article/details/106932503?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase

https://blog.csdn.net/weixin_43871135/article/details/106803636?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase（好）

６．标注工具：作者推荐了两款创建标注的工具，Labelbox or CVAT，不过我自己用的是这款labelImg 使用教程 图像标定工具https://blog.csdn.net/Dontla/article/details/102662815

７．笔记本上的环境配置：

安装anaconda(python3.7);

https://blog.csdn.net/yunqiushuiman/article/details/107529062

创建yolov5的环境：

conda create -n yolov5 python==3.7

进 入 环 境 ：

source activate yolov5

再安装所需库：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

(使用清华镜像源)会提示超时。

后尝试

pip install -U -r requirements.txt

安装完成。（KX)

8. 运行测试通过。笔记本的ＣＰＵ速度５s模型也不算很慢，大概4.5FPS.

1. 向TX2移植。（待完善）