跟着炮哥运行yolov5

(4条消息) 目标检测---教你利用yolov5训练自己的目标检测模型_炮哥带你学的博客-优快云博客_model.yaml path

下载了yolov5.5的数据集

复制粘贴修改data中voc.yaml,_命名为hat.yaml

 复制粘贴修改models中yolov5s.yaml,命名为yolov5s-hat.yaml

utils路径下找到datasets.py这个文件,将里面的第81行里面的参数nw改完0

 

train中改数据weights、cfg、data、epoch.

epochs别搞太多了,两天运算了40轮。

(解决方法:下载cuda加速器,去安装gpu版pytorch)

11月12日19:14——11月15日10:14

问题的解决

出现的问题1:

OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.
OMP: Hint This means that multiple copies of the OpenMP runtime have been linked into the program. That is dangerous, since it can degrade performance or cause incorrect results. The best thing to do is to ensure that only a single OpenMP runtime is linked into the process, e.g. by avoiding static linking of the OpenMP runtime in any library. As an unsafe, unsupported, undocumented workaround you can set the environment variable KMP_DUPLICATE_LIB_OK=TRUE to allow the program to continue to execute, but that may cause crashes or silently produce incorrect results. For more information, please see http:/

### 关于 DeepSORT 的学习教程和使用指南 #### 环境配置建议 为了更好地运行 DeepSORT 及其相关项目,推荐先搭建合适的开发环境。通常情况下,虚拟环境可以有效隔离依赖项并减少冲突风险。因此,在开始之前应优先考虑安装 VirtualEnv 并创建独立的工作空间[^1]。 ```bash pip install virtualenv virtualenv venv source venv/bin/activate ``` 上述命令展示了如何通过 Python 虚拟环境工具来设置专属的软件包管理区域,从而保障项目的稳定性与兼容性。 #### 多平台实现方案对比分析 目前存在多个基于不同框架和技术栈构建的 DeepSORT 实现版本。以下是几个主流选项及其特点概述: - **nwojke/deep_sort**: 此资源提供了一套详尽的操作手册,适合初学者快速上手了解该算法的实际应用情况。它并不深入探讨底层机制而是侧重功能展示以及基本调用流程说明。 - **deep_sort_paddle**: 针对中国开发者群体推出的飞桨版解决方案,具备良好的本地化支持和服务体系。对于熟悉 PaddlePaddle 生态圈的朋友而言是一个不错的选择[^2]。 - **Yolov5-Deepsort**: 结合当下流行的YOLOv5模型实现了增强型的目标检测加追踪能力,并额外增加了自定义数据集训练的支持特性。如果需求涉及到特定场景下的个性化调整,则此版本可能更加贴切实际业务诉求[^3]。 #### 示例代码片段 下面给出一段简单的测试脚本用于验证基础功能是否正常运作(以 nwojke/deep_sort 为例): ```python from deep_sort.application_util import preprocessing as prep from deep_sort.deep_sort.detection import Detection from deep_sort.tracker import Tracker def main(): # 初始化参数... if __name__ == "__main__": main() ``` 请注意以上仅为示意用途的真实部署还需要参照官方文档完成更多细节设定工作。
评论 6
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