Mac M1芯片下安装和使用yolov5的详细教程，从小白到大神，助力高效目标检测

后端

2023-06-10 09:12:20

macOS M1 芯片上使用 YOLOv5 进行目标检测：入门指南

1. 前言：开启目标检测的新征程

目标检测在计算机视觉领域至关重要，它能够识别和定位图像或视频中的目标。作为目标检测领域的新星，YOLOv5 因其速度、准确性和易部署性而备受推崇。本文将指导您在 macOS M1 芯片上安装、使用和训练 YOLOv5。

2. 入门准备：扬帆起航

系统要求：

macOS 11.0 或更高版本
Python 3.7 或更高版本
PyTorch 1.8 或更高版本
CUDA 11.1 或更高版本

软件安装：

安装 Homebrew（Mac 上的包管理器）。
使用 Homebrew 安装 PyTorch 和 CUDA。
安装 YOLOv5 库。

3. 踩坑避雷：经验宝典

1) PyQt5 安装：

使用正确的版本，避免过高版本。
安装时可能需要 --ignore-dependencies 选项。

2) LabelImg 安装：

下载最新版本 LabelImg。
在终端中使用 pip install labelImg 安装。

3) YOLOv5 训练：

正确设置训练参数。
训练时可能遇到 Permission denied 错误，需使用 sudo 命令。

4. 本地训练：打造专属模型

准备数据集。
编写训练脚本（见代码示例 1）。
启动训练。

代码示例 1：YOLOv5 训练脚本

import torch
from yolov5 import detect, data_dict

model = detect.create_model(path='yolov5s.pt', device='cpu')
train_data = data_dict['coco_2017_train']
train_batch = train_data.batch(batch_size=16, shuffle=True)
epochs = 100
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

for epoch in range(epochs):
    for batch_idx, (images, targets) in enumerate(train_batch):
        images = images.to(device)
        targets = targets.to(device)

        # 模型训练代码

        print(f'Epoch [{epoch+1}/{epochs}], Batch [{batch_idx}/{len(train_batch)}]')