人工智能之yolov7目标检测在ubuntu上部署
你在学习科技周边相关的知识吗?本文《人工智能之yolov7目标检测在ubuntu上部署》,主要介绍的内容就涉及到,如果你想提升自己的开发能力,就不要错过这篇文章,大家要知道编程理论基础和实战操作都是不可或缺的哦!
今天介绍在Ubuntu上部署物体识别yolov7部署
一、Anaconda简单介绍
首先就是需要下载Anaconda创建虚拟环境,这是目前最方便的
创建虚拟环境不影响本机的其他环境
1、虚拟环境管理
1.1conda ‐‐version # 获取conda版本
1.2conda update conda # 升级conda
1.3conda env list (列出虚拟环境信息)
conda create -n (创建虚拟环境)# 命令示例conda create -n py38 -yconda create -n py39 python=3.9 -y# 官方推荐使用这种方式conda create -n py39_2 -y && conda install -n py39_2 python=3.9 -y 创建环境时指定 python 版本,和创建完环境后安装 python 的指定版本两者导致的结果并无不同,那为什么官方推荐在创建环境时使用 python=3.9 的方式指定 python
版本呢?这是因为如果您要在该虚拟环境中使用 python,就应该在创建环境之初下载 python3.9 ,之后在这个虚拟环境中下载的其他包都会匹配 python3.9的依赖与约束。如果安装了很多其他包之后再安装 python3.9,处理环境依赖就会变得较为复杂,甚至导致一些不易察觉的 bug
1.4conda activate
# 命令示例
conda activate py39
1.5conda deactivate
# 命令示例
conda deactivate
1.6conda remove -n
# 删除 test 虚拟环境
conda remove -n test --all
conda env list
2、channels 管理
2.1列出 conda 中配置的 channels,根据从低到高的优先级排列
conda config --get channels
2.2添加 channels,添加国内的 channels 也就是我们常说的添加国内源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/2.3删除 channels
方法 1 (通过命令删除):# 首先查看 channelsconda config --get channels# 删除指定的 channelsconda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/方法 2 (编辑 .condarc 文件删除想要删除 channels 对应的行)vi ~/.condarc二、yolov7部署
1、conda create -n py python=3.8
创建成功,进入虚拟环境
conda activate py
2、下载yolov7
复制该代码库的 GitHub 链接并克隆它:https://github.com/WongKinYiu/yolov7.git
直接下载压缩包 https://github.com/WongKinYiu/yolov7.git
下载完成进入文件夹
cd yolov7
安装依赖
pip install -r requirements.txt
耐心的等待依赖包安装成功
3、下载模型文件

https://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7.pthttps://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7x.pthttps://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7-w6.pthttps://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7-e6.pthttps://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7-d6.pthttps://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7-e6e.pt然后运行
python detect.py --weights yolov7.pt --conf 0.25 --img-size 640 --source inference/images/horses.jpg

看看是否缺少别的模块,单独pip下载一下就可以
理论要掌握,实操不能落!以上关于《人工智能之yolov7目标检测在ubuntu上部署》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!
MySQL查询怎么主键
- 上一篇
- MySQL查询怎么主键
- 下一篇
- Go语言中为什么要有GMP调度模型
-
- 科技周边 · 人工智能 | 11小时前 | 性能优化 · AI工程 · 缓存失效 提示词缓存 AI工程 Prompt Cache 稳定前缀
- 提示词缓存减少重复上下文开销的设计
- 263浏览 收藏
-
- 科技周边 · 人工智能 | 11小时前 |
- 多模态模型提取表格布局的结果约束
- 359浏览 收藏
-
- 科技周边 · 人工智能 | 11小时前 |
- Hugging Face Inference Providers 选择模型路由的接入方式
- 292浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 |
- Embedding 批量请求的长度和失败重试设计
- 383浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 507次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 569次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 593次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 546次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 363次使用
-
- 量化模型本地推理的显存估算方法
- 2026-10-17 501浏览
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
