努力搬砖的打工人

1、下载工程 自行去 Github 下载代码 在下载好代码之后，打开里面的安装文档，查看一下要安装的 Python 最低版本和 Pytorch最低版本 Python 3.6+ PyTorch 1.3+ CUDA 9.2+ （如果基于 PyTorch 源码安装，也能够支持 CUDA 9.0） 2、新建虚拟环境 conda create -n mmdetection python=3.7 -y 新建成功后，进入虚拟环境里面 source activate mmdetection 3、安装Pytorch

1、克隆代码 YOLOv5 2、配置环境 Python>=3.6.0 PyTorch>=1.7 新建虚拟环境conda create -n yolov5 python=3.8 安装Pytorch，去 Pytorch 官网自己安装 然后进入代码文件夹pip install -r requirements.txt 3、将数据集转换至可训练格式 按照这里的代码 数据集转换，就可以将 VOC 格式的数据集转换成 YOLOv5 可以训练的格式 将生成的可训练的数据集复制到和 YOLOv5 工程

图像数字化 计算机是如何保存图像的，主要包括以下步骤： 采样： 按一定的空间间隔自左到右、自上而下提取画面信息，将一幅连续的模拟图像在空间上转换成 若干个离散的像素点，每个像素点呈现不同的 颜色（彩色图像） 或 亮度（灰度图像）。 采样的 实质 就是要用多少个点来描述一幅图像。 将一副图像按照行列分割成许许多多的点，每一个点就是一个像素 像素：构成位图图像的最小单位，每个像素仅有一种颜色 **分辨率：**水平方向的像素个数 × 垂直方向的像素个数 量化： 将采样得到的每个像素点的颜色或亮度用若干个二

创建虚拟环境 conda create -n detectron2 python=3.8 -y 激活环境 source activate detectron2 安装Pytorch1.8.0 根据CUDA版本选择对应的命令安装 # CUDA 11.1 pip install torch==1.8.0+cu111 torchvision==0.9.0+cu111 torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable...