快速玩转Yolov5目标检测—没有好的显卡也能玩(二)
上篇 快速玩转Yolov5目标检测—没有好的显卡也能玩(一) 已经将YoloV5在我的笔记本电脑上快速跑起来了,因为电脑显卡一般,所以运行的CPU版本,从推理结果来看,耗时还是蛮高的,如下图,平均每帧0.45秒左右:
理论上这已经能满足很多场景下的需求了,比如明火报警、不带安全帽报警等等,不过还是想试下在GPU下的推理表现,并且后面还想继续玩下训练自己的检测模型。
下面就详细说说整个躺坑的过程,过程中也让我找到了一种在手头没有好的显卡的情况下如何能够比较快速低成本得到好显卡的方法。
一、先了解了下显卡的基本知识
破产之选:GTX 1050TI(4GB),我的显卡:NVIDIA NVS 5400M 600MHz 2GB,看来已经严重过时了-_-。
二、在我的笔记本上尝试下GPU版本
NVS 5400M 好在还支持CUDA的,就算无法满足训练的需求,能加速下推理速度也是不错的,所以还是决定试一下。
1.进入YoloV5虚拟环境,安装GPU版本的 pytorch
conda activate yolov5 #进入yolov5虚拟环境
conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch #安装GPU版pytorch
运气不错一次安装成功:
2.查看GPU 是否可用
python
import torch
torch.cuda.is_available()
执行第二步时报错:
按照提示调整了系统的虚拟内存配置:
继续运行提示GPU不可用:
按照这个提示应该要不显卡驱动过低(或不兼容),要不就是显卡硬件不兼容,尝试更新驱动程序等方法后问题依旧,看来这条路暂时走不通了,得考虑其他的方法了。
三、低成本快速用上好的显卡
上文我们说到运行深度学习建议最低的显卡: GTX 1050TI ,从京东上来看至少¥1500+了,加上其他硬件只为了测试一下YoloV5 采购一台PC成本有点高。
至此此事暂时无解搁置了几天,一次无意中了解到,原来可以购买远程的GPU云服务器,立马开始研究,对比了几家云服务器厂家,最终决定使用腾讯云的GPU服务器,主要原因:便宜!
1.进入腾讯云,新建服务器实例,选择“按量计费”,地区可选择“广州”,“上海”或者“成都”,我选择的“成都”:
2.在机型列选择“GPU机型”,在下方就可以看到有比较便宜的按小时计费的GPU服务器:
最便宜的3元多,还有7元多的,不论是显卡,CPU还是内存整体配置还是非常不错的,几块钱1个小时的费用从测试的需求来讲相比购买同等配置的物理PC算是非常便宜了。
3.这里需要注意了,我购买的是7.8元的这台服务器(1颗NVIDIA T4),3元的服务器(1/4 颗 NVIDIA T4)无论怎么尝试都无法启用pytorch的GPU模式,猜测很可能是因为共享了同颗GPU导致的。
下面的操作系统选择windows2019,磁盘空间150GB,宽带按量计费:
连上服务器,终于见到了大名鼎鼎的
NVIDIA TESLA T4 深度学习显卡了:
4.跟之前的方法一样搭建起YoloV5 GPU的运行环境。
5.验证GPU,成功!
6.运行推理:
python detect.py --weights="weights/yolov5s.pt" --source http://live1.wuhubtv.com/channel1/sd/live.m3u8
启动成功,显卡型号和显存:
可以看到平均推理耗时已经低于0.01秒了:
CPU占用:
总结:
至此,通过采用云GPU服务器的方式快速低成本的用上了高性能的显卡,而且这个方案可以根据项目的实际情况动态扩容或缩减硬件配置,在项目规模不大,这个方案是比较不错的选择。
另外,记得用完服务器后及时销毁服务器!
下一篇我们继续聊聊如何训练自己的目标检测模型!
快速玩转Yolov5目标检测—没有好的显卡也能玩(二)相关推荐
- 快速玩转Yolov5目标检测—没有好的显卡也能玩(一)
对目标检测关注很久了,比较有代表性的项目就是Yolov5了,前段时间终于安耐不住实验了一把. 多的不说了,先看下测试效果: 这是实时检测停车场的效果,还不错吧: 这是实时检测的北京卫视的效果: 安装方 ...
- 【快速入门】YOLOv5目标检测算法
文章目录 一.YOLOv5简介 二.网络结构 1.Input 2.Backbone 3.Neck 4.Head 三.改进方法 1.自适应锚框计算 2.自适应灰度填充 四.性能表现 五.YOLOv5入门 ...
- 简单快速建立pytorch环境YOLOv5目标检测 模型跑起来(超简单)
简单快速建立pytorch环境+实现YOLOv5目标检测 模型跑起来(超简单) 一.下载yolov5模型代码: yolo代码 提取码:2022 下载后解压 二.简单快速创建pytorch环境: 1.条 ...
- 基于高通SNPE推理引擎的yolov5目标检测算法
上图源自Snapdragon Neural Processing Engine SDK Reference Guide,它展示了一个Deep Learning Neural Network在SNPE环 ...
- YOLOv5目标检测源码重磅发布了!
YOLOv5目标检测源码重磅发布了! https://github.com/ultralytics/yolov5 该存储库代表了对未来对象检测方法的超解析开源研究,并结合了在使用之前的YOLO存储库在 ...
- YOLOv5目标检测➕声音告警
首先是YOLOv5目标检测模型,在此基础上加上当检测到目标后,使用电脑自带的喇叭进行声音告警,可以应用于烟雾火焰声音告警 入侵区域检测声音告警等项目
- Yolov5目标检测环境搭建过程(Cuda+Pytorch+Yolov5)
本文介绍了如何搭建yolov5目标检测代码的环境,详细记录了python虚拟环境.安装pytorch.加载yolov5项目以及运行检测程序的全过程. 完成了本文的yolov5项目搭建后,可以查看本文下 ...
- yolov5目标检测神经网络——损失函数计算原理
前面已经写了4篇关于yolov5的文章,链接如下: 1.基于libtorch的yolov5目标检测网络实现--COCO数据集json标签文件解析 2.基于libtorch的yolov5目标检测网络实现 ...
- 树莓派4B部署YOLOv5目标检测模型部署(包含加速方法以及模型训练方法总结)
树莓派4B部署YOLOv5目标检测模型部署 1.工作内容简介: (1)训练鱼类目标识别模型.首先建立水下鱼类目标数据集,由于目前国内暂时并没有可用红鳍东方鲀标注数据集,本文利用Labelimage软件 ...
最新文章
- 智能驾驶操作系统OS
- 关于struts1的配置
- 解决json包含html标签无法显示的问题
- Java中的某些接口为什么没有任何方法?
- java线程的简单例子(Thread and runnable)
- 对可重入锁和不可重入锁的理解
- WebLogic UniversalExtractor反序列化漏洞(CVE-2020-14645)的复现和分析
- 抖音下载助手GUI版 主页视频批量下载
- 状态输出导航栏html,网页导航条代码
- 修改Element UI自带的小图标,替换成自己的(类似自定义Element UI图标)
- 使用阿里云服务器三分钟搭建网站
- 802.11ac知识整合
- 虚拟现实的起源、趋势及应用
- 测试开发—Xcode使用远程手机调试
- [python + pillow] 自制壁纸不完全教程
- 获取美国gfs风向数据 转换成png与json 记录软件安装环境
- ACDREAM 05D 哗啦啦族的加法计算(DFS专场)
- 机器学习(二)--sklearn之逻辑斯蒂回归和朴素贝叶斯
- python k线顶分型_【交易技术】K线战法之『顶底分型』
- 关于AOP 的切点的作用范围详解(一)
热门文章
- win10 桌面图标突然变大解决办法
- Scrapy 2.6 Link Extractors 链接提取器使用指南
- android手机app logo,android手机如何找到APP图标
- [Layui]解决文本框只输入数字方法
- TS流PAT、PMT、SDT内容
- CodeBlocks 配色方案设置
- c 语言八进制与十进制转换,十进制转八进制(C 语言实例-八进制与十进制相互转换)...
- 游戏 出现0xc000007b 错误的解决方法汇总
- ACM算法总结 平面几何
- 自适应二次元可爱萝莉音乐404页面源码