
人工智能原理学习和实践
大三阶段项目
YoloV5目标检测
使用本人的Github账号,在WSL2的ubuntu22.04子系统git clone了Github中yolov5的开源代码,之后自己在Anaconda Prompt中使用了conda create -n envpy35 python=3.7命令建立了一个独立的环境,名称为pytorch_3.7,通过长期的使用反馈,我深刻意识到了深度学习中搭建独立环境的重要性,如果没有正确处理环境就会有各种依赖包报错,导致项目的奔溃。我的笔记本主要使用的是VScode和WLS2 Ubuntu22.04的终端,安装了各种依赖包,我发现了使用requirment.txt安装及其方便,pip install -r requirements.txt一行命令直接完成。解决了一些依赖问题,就可以正常的训练了,当然拥有32GB的显存和3060显卡的笔记本,我可以直接在本地训练模型(甚至本地部署开源的7B左右的LLM小模型),我先是使用了VOC数据集之后还有其他的开源数据集。当200轮左右的训练结束后,我很有成就感,训练好之后就有.pt模型文件等等和各种反应训练的过程和结果的图表。











当然我还本地训练和推理过经典的AlexNet和MblieNetV2和yolov5等等模型。



我是第一批使用GhatGPT的用户,直至今日。
