Die Zielerkennung mit künstlicher Intelligenz yolov7 wird auf Ubuntu eingesetzt

WBOY
Freigeben: 2023-05-30 15:16:14
nach vorne
1339 Leute haben es durchsucht

Heute stellen wir die Bereitstellung der Objekterkennung yolov7 auf Ubuntu vor

1. Eine kurze Einführung in Anaconda. Zunächst müssen Sie Anaconda herunterladen, um eine virtuelle Umgebung zu erstellen Eine virtuelle Umgebung wirkt sich nicht auf andere Umgebungen der Maschine aus )

Beim Erstellen der angegebenen Umgebung gibt es keinen Unterschied zwischen der Python-Version und dem Ergebnis der Installation der angegebenen Python-Version nach dem Erstellen der Umgebung. Warum wird also offiziell empfohlen, beim Erstellen die Python-Version mit python=3.9 anzugeben? die Umwelt? Denn wenn Sie Python in dieser virtuellen Umgebung verwenden möchten, sollten Sie zu Beginn der Erstellung der Umgebung Python3.9 herunterladen. Dann entsprechen andere in dieser virtuellen Umgebung heruntergeladene Pakete den Abhängigkeiten und Einschränkungen von Python3.9. Wenn Sie Python3.9 nach der Installation vieler anderer Pakete installieren, wird der Umgang mit Umgebungsabhängigkeiten komplizierter und kann sogar zu einigen subtilen Fehlern führen. Befehlsbeispiel

conda activate py39

1.5conda activate

# Löschen Sie die virtuelle Testumgebung

conda remove -n test --all

conda env list

2. Kanalverwaltung

2.1 Listen Sie die in conda konfigurierten Kanäle auf und ordnen Sie sie nach Priorität von niedrig nach hoch

conda config --get Kanäle

2.2 Kanäle hinzufügen, inländische Kanäle hinzufügen, was wir oft als Hinzufügen inländischer Quellen bezeichnen

conda create -n  (创建虚拟环境)# 命令示例conda create -n py38 -yconda create -n py39 python=3.9 -y# 官方推荐使用这种方式conda create -n py39_2 -y && conda install -n py39_2 python=3.9 -y
Nach dem Login kopieren

2.3 Kanäle löschen

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
Nach dem Login kopieren

2. yolov7-Bereitstellung

1, conda create -n py python=3.8

Erfolgreich erstellt, betreten Sie die virtuelle Umgebung

conda activate py

2. Laden Sie yolov7 herunter

Sie können diesen Satz umschreiben als: „Verwenden Sie den folgenden Befehl, um die YOLOv7-Codebasis von WongKinYi zu klonen: git Klonen Sie https://github.com/WongKinYiu/yolov7.git“

Laden Sie das komprimierte Paket direkt herunter https://github.com/WongKinYiu/yolov7.git

Geben Sie nach dem Herunterladen den Ordner ein

cd yolov7

Installieren dependencies

pip install -r require.txt

Warten Sie geduldig, bis das Abhängigkeitspaket erfolgreich installiert wurde

3. Laden Sie die Modelldatei herunter

方法 1 (通过命令删除):# 首先查看 channelsconda config --get channels# 删除指定的 channelsconda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/方法 2 (编辑 .condarc 文件删除想要删除 channels 对应的行)vi ~/.condarc
Nach dem Login kopieren

und führen Sie dann

python discover.py --weights aus yolov7.pt --conf 0.25 -- img-size 640 --source inference/images/horses.jpg

Überprüfen Sie, ob andere Module fehlen, laden Sie sie einfach nur mit pip herunter

Das obige ist der detaillierte Inhalt vonDie Zielerkennung mit künstlicher Intelligenz yolov7 wird auf Ubuntu eingesetzt. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Verwandte Etiketten:
Quelle:51cto.com
Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn
Neueste Downloads
Mehr>
Web-Effekte
Quellcode der Website
Website-Materialien
Frontend-Vorlage
Über uns Haftungsausschluss Sitemap
Chinesische PHP-Website:Online-PHP-Schulung für das Gemeinwohl,Helfen Sie PHP-Lernenden, sich schnell weiterzuentwickeln!