文件名称：YOLOv5 in PyTorch > ONNX > CoreML > iOS-python
文件大小：1.03MB
文件格式：ZIP
更新时间：2024-07-08 12:35:23
机器学习
YOLOv5 in PyTorch > ONNX > CoreML > iOS 该存储库代表 Ultralytics 对未来对象检测方法的开源研究，并将我们在自定义客户端数据集上训练数千个模型所获得的经验教训和最佳实践与我们之前的 YOLO 存储库 https://github.com/ultralytics/yolov3 相结合。 所有代码和模型都在积极开发中，如有修改或删除，恕不另行通知。 使用风险自负。 ** GPU 速度使用批大小为 32 的 V100 GPU 测量平均超过 5000 个 COCO val2017 图像的每个图像的端到端时间，包括图像预处理、PyTorch FP32 推理、后处理和 NMS。 2020 年 6 月 19 日：FP16 作为较小检查点和更快推理的新默认值。 d4c6674 中的比较。 2020 年 6 月 9 日：所有 YOLOv5 模型的 CSP 更新。 新模型更快、更小、更准确。 感谢@WongKinYiu 在 CSP 方面的出色工作。 2020 年 5 月 27 日：公开发布回购。 YOLOv5 模型是所有已知 YOLO
【文件预览】：
yolov5-master
----.dockerignore(4KB)
----.gitattributes(75B)
----train.py(33KB)
----utils()
--------flask_rest_api()
--------google_app_engine()
--------general.py(30KB)
--------aws()
--------datasets.py(47KB)
--------loss.py(9KB)
--------__init__.py(0B)
--------google_utils.py(6KB)
--------metrics.py(9KB)
--------activations.py(4KB)
--------torch_utils.py(12KB)
--------plots.py(19KB)
--------wandb_logging()
--------autoanchor.py(7KB)
----.github()
--------FUNDING.yml(118B)
--------dependabot.yml(201B)
--------ISSUE_TEMPLATE()
--------workflows()
----models()
--------yolov5m.yaml(1KB)
--------export.py(8KB)
--------yolov5x.yaml(1KB)
--------hub()
--------experimental.py(5KB)
--------__init__.py(0B)
--------yolo.py(13KB)
--------yolov5s.yaml(1KB)
--------yolov5l.yaml(1KB)
--------common.py(16KB)
----test.py(17KB)
----hubconf.py(5KB)
----detect.py(10KB)
----Dockerfile(2KB)
----requirements.txt(679B)
----CONTRIBUTING.md(5KB)
----LICENSE(34KB)
----README.md(13KB)
----tutorial.ipynb(385KB)
----data()
--------hyp.finetune.yaml(846B)
--------coco.yaml(2KB)
--------voc.yaml(737B)
--------images()
--------scripts()
--------hyp.finetune_objects365.yaml(397B)
--------VisDrone.yaml(3KB)
--------coco128.yaml(2KB)
--------hyp.scratch.yaml(2KB)
--------SKU-110K.yaml(2KB)
--------argoverse_hd.yaml(848B)
--------objects365.yaml(7KB)
--------GlobalWheat2020.yaml(2KB)
----.gitignore(4KB)