求大神们看看，编译yolov3.py时出错

Quiet_lmz 2019-08-06 07:23:34

想用intel加速棒跑物体识别，

...全文

139 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

一、使用labelimg制作数据集 1.1、下载labelimg 1.2、安装库并启动labelimg 1.4、制作YOLO数据集二、使用YOLOv8训练模型 2.1、下载库——ultralytics （记得换源） 2.2、数据模板下载 2.3、开始训练 1、启动train.py，进行训练 2、我们可以直接使用命令进行训练三、其他问题 1、训练时，为什么会生成labels.cache文件？ 2、YOLOv8的训练图像和相应的标注文件应该放同一个文件夹里吗？还是应该分开放？

由于项目需要，今日来研究了一下yolov5的tensorrt部署，和各种小bug激斗了十余小时，但网络上的几乎所有教程都忽略了一些小细节，造成了很多的麻烦，但最终终于成功生成！本踩坑经验仅适用于tensorrtx的c++/python部署方式。

最近在用yolo来做视频中的人员检测，选择YOLO是从速度考虑，在训练数据集的过程中碰到很多坑，并且现在yolo又到了v2的版本，在网络和命令中都有区别

前言：有兴趣的可以先查看官网主页。接下来从零开始实现自己的一个简单demo：自动识别库里和杜兰特，从而入门darknet-YOLO3世界。总体来说，分为如下步骤：数据集构建，训练模型，测试模型，评估模型。一. 数据集构建 1. 收集图片与编号这里的图片是从网上下载库里和杜兰特的图片。为了规划数据，减少出错的可能性，先给自己的图片编一个合理的序号，比如0001~0999。由于时间原因，只下载了68张图片，当然，这些数据对于训练一个很好的模型是远远不够的。 2. 标注数据 windows下lab

通过在PC端训练模型在nano上转成engine模型视频实时检测，tensorrt加速与deepstream部署

英特尔开源软件社区

1,553

社区成员

482

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章