人工智慧之yolov7目標偵測在ubuntu上部署
今天介紹在Ubuntu上部署物件辨識yolov7部署
一、Anaconda簡單介紹
首先就是需要下載Anaconda建立虛擬環境,這是目前最方便的
創建虛擬環境不影響本機的其他環境
1、虛擬環境管理
1.1conda ‐‐version # 取得conda版本
#1.2 conda update conda # 升級conda
1.3conda env list (列出虛擬環境資訊)
<code>conda create -n <env_name> (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</env_name></code>
#建立環境時指定python 版本,和創建完環境後安裝python 的指定版本兩者所導致的結果並無不同,那為什麼官方推薦在創建環境時使用python=3.9 的方式指定python
版本呢?這是因為如果您要在該虛擬環境中使用 python,就應該在創建環境之初下載 python3.9 ,之後在這個虛擬環境中下載的其他套件都會匹配 python3.9的依賴與約束。如果安裝了許多其他套件之後再安裝python3.9,處理環境依賴就會變得較為複雜,甚至導致一些不易察覺的bug
1.4conda activate
# 指令範例
conda activate py39
1.5conda deactivate
# 指令範例
conda deactivate
1.6conda remove -n
## 刪除test 虛擬環境
conda remove -n test --all
conda env list
#2、channels 管理
2.1列出conda 中配置的channels,根據從低到高的優先級排列
conda config --get channels
2.2添加channels,添加國內的channels 也就是我們常說的添加國內源
<code>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/</code>
2.3刪除channels
<code>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</code>
二、yolov7部署
1、conda create -n py python=3.8
建立成功,進入虛擬環境
conda activate py
#2、下載yolov7
可以將這句話改寫為:「使用下列指令複製WongKinYiu的YOLOv7 程式碼庫:git clone https://github.com/WongKinYiu/yolov7.git」
#直接下載壓縮套件https://github.com/WongKinYiu/yolov7.git
下載完成進入資料夾
cd yolov7
安裝依賴
pip install -r requirements.txt
耐心的等待依賴套件安裝成功
3、下載模型檔案
<code>https://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7.pthttps://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7x.pthttps://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7-w6.pthttps://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7-e6.pthttps://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7-d6.pthttps://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7-e6e.pt</code>
#然後執行
python detect.py --weights yolov7.pt -- conf 0.25 --img-size 640 --source inference/images/horses.jpg
看看是否缺少別的模組,單獨pip下載一下就可以
以上是人工智慧之yolov7目標偵測在ubuntu上部署的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

熱門話題

PHP和Python各有優劣,選擇取決於項目需求和個人偏好。 1.PHP適合快速開發和維護大型Web應用。 2.Python在數據科學和機器學習領域佔據主導地位。

在CentOS系統上高效訓練PyTorch模型,需要分步驟進行,本文將提供詳細指南。一、環境準備:Python及依賴項安裝:CentOS系統通常預裝Python,但版本可能較舊。建議使用yum或dnf安裝Python3併升級pip:sudoyumupdatepython3(或sudodnfupdatepython3),pip3install--upgradepip。 CUDA與cuDNN(GPU加速):如果使用NVIDIAGPU,需安裝CUDATool

Docker利用Linux內核特性,提供高效、隔離的應用運行環境。其工作原理如下:1. 鏡像作為只讀模板,包含運行應用所需的一切;2. 聯合文件系統(UnionFS)層疊多個文件系統,只存儲差異部分,節省空間並加快速度;3. 守護進程管理鏡像和容器,客戶端用於交互;4. Namespaces和cgroups實現容器隔離和資源限制;5. 多種網絡模式支持容器互聯。理解這些核心概念,才能更好地利用Docker。

在CentOS系統上啟用PyTorchGPU加速,需要安裝CUDA、cuDNN以及PyTorch的GPU版本。以下步驟將引導您完成這一過程:CUDA和cuDNN安裝確定CUDA版本兼容性:使用nvidia-smi命令查看您的NVIDIA顯卡支持的CUDA版本。例如,您的MX450顯卡可能支持CUDA11.1或更高版本。下載並安裝CUDAToolkit:訪問NVIDIACUDAToolkit官網,根據您顯卡支持的最高CUDA版本下載並安裝相應的版本。安裝cuDNN庫:前

Python和JavaScript在社區、庫和資源方面的對比各有優劣。 1)Python社區友好,適合初學者,但前端開發資源不如JavaScript豐富。 2)Python在數據科學和機器學習庫方面強大,JavaScript則在前端開發庫和框架上更勝一籌。 3)兩者的學習資源都豐富,但Python適合從官方文檔開始,JavaScript則以MDNWebDocs為佳。選擇應基於項目需求和個人興趣。

在CentOS下選擇PyTorch版本時,需要考慮以下幾個關鍵因素:1.CUDA版本兼容性GPU支持:如果你有NVIDIAGPU並且希望利用GPU加速,需要選擇支持相應CUDA版本的PyTorch。可以通過運行nvidia-smi命令查看你的顯卡支持的CUDA版本。 CPU版本:如果沒有GPU或不想使用GPU,可以選擇CPU版本的PyTorch。 2.Python版本PyTorch

MinIO對象存儲:CentOS系統下的高性能部署MinIO是一款基於Go語言開發的高性能、分佈式對象存儲系統,與AmazonS3兼容。它支持多種客戶端語言,包括Java、Python、JavaScript和Go。本文將簡要介紹MinIO在CentOS系統上的安裝和兼容性。 CentOS版本兼容性MinIO已在多個CentOS版本上得到驗證,包括但不限於:CentOS7.9:提供完整的安裝指南,涵蓋集群配置、環境準備、配置文件設置、磁盤分區以及MinI

在CentOS系統上進行PyTorch分佈式訓練,需要按照以下步驟操作:PyTorch安裝:前提是CentOS系統已安裝Python和pip。根據您的CUDA版本,從PyTorch官網獲取合適的安裝命令。對於僅需CPU的訓練,可以使用以下命令:pipinstalltorchtorchvisiontorchaudio如需GPU支持,請確保已安裝對應版本的CUDA和cuDNN,並使用相應的PyTorch版本進行安裝。分佈式環境配置:分佈式訓練通常需要多台機器或單機多GPU。所
