YOLO系列——VSCode编译器测试yolo环境配置(四)

VSCode编译器测试yolo环境配置

⚙️ 1. 在VSCode中配置工作区

1) 用VSCode打开克隆的YOLO项目文件夹

2) 设置Python解释器
* 按下 Ctrl+Shift+P (或 Cmd+Shift+P on macOS),输入 “Python: Select Interpreter”
* 选择刚才创建的虚拟环境,如下
在这里插入图片描述

🚀 2. 验证与运行

一切就绪后,可以进行测试

1) 基本验证:在VSCode的集成终端(确保环境已激活),运行一个简单的检测命令来测试环境。在YOLOv5目录下:
bash python detect.py --weights yolov5s.pt --img 640 --conf 0.25 --source data/images/bus.jpg
如果环境配置正确,脚本会执行并生成检测结果图片,如下
在这里插入图片描述

2) 使用VSCode运行:你也可以直接在VSCode中打开项目的Python文件(如 detect.py),点击右上角的运行按钮,或者右键选择“在终端中运行Python文件”。

要在VS Code中配置YOLO环境,您可以按照以下步骤进行操作: 1. 确保您已经安装了Python和VS Code。 2. 在VS Code中打开您的项目文件夹。 3. 安装Python插件以便在VS Code中使用Python。 4. 创建一个虚拟环境,并激活它。 5. 在虚拟环境中安装YOLO的相关依赖项。您可以使用以下命令安装YOLOX所需的依赖项: ``` pip install -r requirements.txt ``` 6. 下载YOLOX预训练权重文件(.pth)到您的项目文件夹中。您可以从官方网站或GitHub上找到适合您需求的权重文件。 7. 在VS Code中创建一个`demo.py`文件,并将以下代码复制到文件中: ```python from yolox.data.data_augment import preproc from yolox.exp import get_exp from yolox.utils import postprocess, vis def main(): # 设置YOLOX配置 exp = get_exp("yolox-s") exp.device = "gpu" # 加载权重文件 exp.test_conf = 0.25 exp.nms_conf = 0.45 exp.num_classes = 80 model = exp.get_model() model.load_state_dict(torch.load("your_weight_path/yolox_s.pth")) model = model.cuda() model.eval() # 加载图像并进行预处理 img = cv2.imread("assets/dog.jpg") img, ratio = preproc(img, exp.test_size, (0, 0)) img = img.unsqueeze(0).cuda() # 运行推理 outputs = model(img) outputs = postprocess(outputs, exp, Visualizer()) results = outputs["results"][1] boxes = results.tolist() # 可视化结果 for box in boxes: vis.draw_box( img, box, caption=f"{box[4]:.3f}", color=vis.get_color("person"), thickness=2, ) vis.show(img, win_name="YOLOX") if __name__ == "__main__": main() ``` 8. 将`your_weight_path`替换为您下载的权重文件的路径。 现在,您已经成功配置了YOLO环境。您可以在VS Code中运行`demo.py`文件来检测图像中的物体。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值