環境

• python 3.8
• GPU を使用する場合
  • cuda 11.1
  • cuDNN 8.0.5
  • MSVC 2019
• yolov5

環境を構築していく

GPU を使用する場合に必要なものをダウンロード・インストール

visual studio をインストールする

MSVC community2019(コンポーネント選択時 C++によるデスクトップ開発 を選択する)

GPUを使用する場合

• 使用しているGPUが対応しているか確認
  • NIVIDIA製品のみ
  • https://developer.nvidia.com/cuda-gpus

• CUDAv11.1をインストール
  • ※ Installer Type は local(その後は設定変更せずインストールでOK)
    

• cuDNNv8.0.5をインストール(無料登録が必要) (cuDNN Library for Windows (x86)を選択)
  
  • アカウント作成時、会社を入力する項目があるが、other と入力すればスキップできる
    
  • zipファイル解凍後、C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v今回使用するバージョン(例:v11.1.0) に解凍したフォルダの中のbin,include,liフォルダを上書き保存
    

anaconda prompt を開く

仮想環境の作成(仮想環境名は任意)

conda create -n yolov5 python=3.8

仮想環境をアクティベートにする

conda activate yolov5

jupyter notebook と kernel 変更用のモジュールインストール

pip install jupyter
pip install environment_kernels

※environment_kernels は base 環境にもインストールしてください
※仮想環境事態を始めて作成した場合(generate-config は1度指定すれば以降他の仮想環境を作成しても実行しなくていい)

jupyter notebook --generate-config

~/.jupyter/ に jupyter_notebook_config.py というファイルが作成されるのでテキストエディターなどで開く

• 以下2行を末尾に追加するか226行目を以下に修正
  

c.NotebookApp.kernel_spec_manager_class = 'environment_kernels.EnvironmentKernelSpecManager'
c.EnvironmentKernelSpecManager.conda_env_dirs=['仮想環境が生成されているパス']※

      ※ Anaconda3(mincoda) 配下の envs
      ※ 'C:\Users\.jupyter' の様に \ を使用する場合 r'C:\Users\.jupyter' の様に先頭に r を付けてください

yolov5 のクローン

git clone https://github.com/ultralytics/yolov5.git

クローンしたyolov5ディレクトリに移動

cd yolov5

必要なモジュールをンストール

pip install -r requirements.txt

GPUを使用する場合

pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio===0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

実際に動くか確認

• 0 を指定すると外部カメラを使用します
• 動画や画像ファイルのパスを指定すれば推論してくれます
• 出力先は ~yolov5\runs\detect\ に出力されます

python detect.py --source 0

jupyter notebook上で実行したい場合(.ipynbで動かしたい場合)

• yolov5 ディレクトリ内で .ipynb を作成し以下を追加

  import torch
  #Model
  model = torch.hub.load('ultralytics/yolov5', 'yolov5s')  # or yolov5m, yolov5l, yolov5x, custom
  #Images
  img = 'https://ultralytics.com/images/zidane.jpg'  # or file, Path, PIL, OpenCV, numpy, list
  #Inference
  results = model(img)
  #Results
  results.print()  # or .show(), .save(), .crop(), .pandas(), etc.