YOLO Elixir 项目安装与配置指南-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_01077/article/details/147225424

YOLO Elixir 项目安装与配置指南

yolo_elixir A library for object detection and seamless YOLO model integration in Elixir 项目地址: https://gitcode.com/gh_mirrors/yo/yolo_elixir

1. 项目基础介绍

YOLO Elixir 是一个基于 Elixir 语言的开源项目，它为YOLO（You Only Look Once）对象检测系统提供了 Elixir 语言的支持。YOLO 是一种实时对象检测系统，能够从输入图像中预测边界框和类概率。YOLO Elixir 项目旨在简化对象检测过程，通过提供与 YOLO 模型的无缝集成，让开发者能够轻松地在 Elixir 应用中实现实时对象检测。

2. 项目使用的关键技术和框架

Elixir：项目的主要编程语言，一种功能性、并发性强的编程语言，适用于构建可扩展和容错的应用程序。
ONNX：开放神经网络交换格式，用于模型的跨平台表示和推理。
Ortex：一个基于 ONNX Runtime 的 Elixir 库，用于在 Elixir 中执行 ONNX 模型。
Nx：一个用于数值计算和深度学习的 Elixir 库。
evision：一个 Elixir 库，用于计算机视觉任务，比如图像处理。

3. 安装和配置准备工作及详细步骤

准备工作

确保您的系统已安装 Elixir 和 Erlang。
安装 Python（如果尚未安装），因为转换模型需要用到 Python 脚本。
安装 Git 以克隆项目仓库。

安装步骤

克隆项目仓库到本地：

git clone https://github.com/poeticoding/yolo_elixir.git
cd yolo_elixir

安装项目依赖：
```
mix deps.get
```

配置项目环境。根据您的操作系统，更新 config.exs 文件以启用硬件加速：

# 对于 Mac 用户，启用 CoreML
config :ortex, Ortex.Native, features: [:coreml]

# 对于 Windows 用户，启用 DirectML
# config :ortex, Ortex.Native, features: [:directml]

# 对于 Linux 用户，启用 CUDA/TensorRT
# config :ortex, Ortex.Native, features: [:cuda, :tensorrt]

转换 YOLO 模型文件。YOLO Elixir 使用 ONNX 格式的模型文件。如果您的模型是 PyTorch 格式的 .pt 文件，您需要将其转换为 ONNX 格式。首先，安装所需的 Python 包：
```
pip install -r python/requirements.txt
```
然后，运行转换脚本，指定模型的大小（例如 n 表示 nano）：
```
python python/yolov8_to_onnx.py n
```
脚本将下载 .pt 模型并生成 .onnx 模型和对应的类列表文件。
将转换后的模型文件和类列表文件放到项目的 models 目录下。

在 mix.exs 文件中配置项目依赖，包括 YOLO 和其他必要的库：

defp deps do
  [
    {:yolo, "~> 0.0.0"},
    {:exla, "~> 0.9.2"},
    {:evision, "~> 0.2.0"}
    # 如果使用 FastNMS，添加以下依赖
    # {:yolo_fast_nms, "~> 0.1"}
  ]
end