Google Colab 地址
使用 Colab 能利用 Google 免费提供的 GPU 资源，快速进行模型训练。比在我的弱鸡笔记本上训练，能节省大量时间。
在 Colab 上新建一个项目
https://colab.research.google.com
或者可以考虑继续沿用之前的项目。
安装 yolov5
新建一个代码块
#clone YOLOv5 and
!git clone https://github.com/ultralytics/yolov5 # clone repo
%cd yolov5
%pip install -qr requirements.txt # install dependencies
%pip install -q roboflow
import torch
import os
from IPython.display import Image, clear_output # to display images
print(f"Setup complete. Using torch {torch.__version__} ({torch.cuda.get_device_properties(0).name if torch.cuda.is_available() else 'CPU'})")
点击运行，需要等待虚拟机的分配。
测试是否安装成功
用 yolo 内置的测试图片，判断是否能识别出人像。
!python detect.py --weights yolov5s.pt --source ./data/images/zidane.jpg
Image("runs/detect/exp/zidane.jpg", width=400)
如果能识别出齐祖和安猪，说明 yolov5 已经安装成功。
内置的模型
因为内置的模型能识别 80 种物体，有时候还是能直接使用的。
这个模型默认在 yolov5 的根目录下。
导出 pytorch mobile 模型
!python export.py --weights ./yolov5s.pt --include torchscript --optimize
导出的模型文件名为 yolov5s.torchscript 文件，在 .pt 文件的同级目录下。
微信关注我哦 👍
我是来自山东烟台的一名开发者，有感兴趣的话题，或者软件开发需求，欢迎加微信 zhongwei 聊聊， 查看更多联系方式