PyTorch使用

目录

1.前言

2.创建虚拟环境

2.1.查看当前有哪些虚拟环境

2.2.创建虚拟环境pytorch

2.3.激活及关闭pytorch虚拟环境

2.4.删除pytorch虚拟环境

3.使用yolov5测试

3.1.切换至yolov5目录下：

3.2.安装相关依赖

3.3.下载已训练好的数据集

3.4.分类检测测试

3.4.1.执行命令

3.4.2.运行结果

3.4.3.效果图

3.5.yolov训练指令及过程图

4.使用tensorboard查看训练结果

4.1.tensorboard安装

4.2.启动tensorboard

4.3.效果图

---

1.前言

系统环境：win10

使用Anaconda，Anaconda的安装自行百度。

conda 23.7.4

2.创建虚拟环境

启动Anaconda Prompt

2.1.查看当前有哪些虚拟环境

conda env list

2.2.创建虚拟环境pytorch

conda create -n pytorch python=3.8

2.3.激活及关闭pytorch虚拟环境

# 激活pytorch虚拟环境
conda activate pytorch
# 关闭pytorch虚拟环境
conda deactivate

2.4.删除pytorch虚拟环境

conda remove -n pytorch --all

3.使用yolov5测试

yolov5下载地址：https://github.com/ultralytics/yolov5

3.1.切换至yolov5目录下：

# 切换至yolov5目录下
cd C:\code\python\lpytoch\yolov5

3.2.安装相关依赖

该下载过程时间比较长

# install
​​​​​​​pip install -r requirements.txt 

3.3.下载已训练好的数据集

直接下载

通过代码下载，代码保存为loadPyTorchHub.py

# 使用YOLOv5 加载PyTorch Hub
# 简单示例
# 该示例从PyTorch Hub 加载预训练的 YOLOv5s 模型，即 model 并传递图像以供推理。 'yolov5s' 是最轻、最快的YOLOv5 型号
import torch

# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')

# Image
im = './data/images/zidane.jpg'

# Inference
results = model(im)

results.pandas().xyxy[0]
#      xmin    ymin    xmax   ymax  confidence  class    name
# 0  749.50   43.50  1148.0  704.5    0.874023      0  person
# 1  433.50  433.50   517.5  714.5    0.687988     27     tie
# 2  114.75  195.75  1095.0  708.0    0.624512      0  person
# 3  986.00  304.00  1028.0  420.0    0.286865     27     tie

结果如下：

3.4.分类检测测试

3.4.1.执行命令

# Inference with detect.py
python detect.py --weights yolov5s.pt --source ./data/images/zidane.jpg

3.4.2.运行结果

输出结果路径

Results saved to runs\detect\exp

3.4.3.效果图

3.5.yolov训练指令及过程图

训练数据集指令

# 训练数据集指令 
python train.py --batch-size 2 --epochs 200 --data ../../../data/tank/data.yaml --weights ./yolov5s.pt

训练过程效果图1

训练过程效果图2

4.使用tensorboard查看训练结果

4.1.tensorboard安装

启动Anaconda Prompt，在虚拟环境pytorch下安装

# 激活pytorch虚拟环境
conda activate pytorch
# 安装tensorboard
pip install tensorboard

如下图操作

4.2.启动tensorboard

启动tensorboard，logdir为训练结果路径

tensorboard --logdir=runs\train\exp16

如下图：

4.3.效果图

在浏览器内输入http://localhost:6006/

如下图所示