未提供项目描述
项目描述
为Rikai提供Yolov5支持
rikai-yolov5
集成了基于PyTorch实现的Yolov5,并整合到Rikai中。它基于打包的ultralytics/yolov5。
笔记本
使用方法
使用rikai-yolov5
有两种方式。
rikai.mlflow.pytorch.log_model(
model,
"model",
OUTPUT_SCHEMA,
registered_model_name=registered_model_name,
model_type="yolov5",
)
另一种方式是在Rikai SQL中设置model_type
CREATE MODEL mlflow_yolov5_m
MODEL_TYPE yolov5
OPTIONS (
device='cpu'
)
USING 'mlflow:///{registered_model_name}';
可用选项
名称 | 默认值 | 描述 |
---|---|---|
conf_thres | 0.25 | NMS置信度阈值 |
iou_thres | 0.45 | NMS IoU阈值 |
max_det | 1000 | 每张图像的最大检测数 |
image_size | 640 | 图像宽度 |
以下是上述选项的示例用法
CREATE MODEL mlflow_yolov5_m
OPTIONS (
device='cpu',
iou_thres=0.5
)
USING 'mlflow:///{registered_model_name}';
项目详情
下载文件
下载适用于您平台文件的文件。如果您不确定选择哪个,请了解更多关于安装包的信息。
源分布
rikai-yolov5-0.1.2.tar.gz (8.3 kB 查看哈希值)
构建分布
rikai_yolov5-0.1.2-py3-none-any.whl (9.2 kB 查看哈希值)
关闭
rikai-yolov5-0.1.2.tar.gz 的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 81515e2871c136e4a796884e51f8c056d3eb73ff9368b8b6fc160a3ba1f270ae |
|
MD5 | 90ac3faa4f7a76831bfcc4930abb9b13 |
|
BLAKE2b-256 | c81b4524c30921726a513b30afe520a9e1391cdf2330b0a88c6227ffe67a7972 |
关闭
rikai_yolov5-0.1.2-py3-none-any.whl 的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 56196aeac23173e13940085c5dc9556ca635e9f5b75ceda1a23ac4307d355963 |
|
MD5 | 771c81b505a03aa964da548fd8af4280 |
|
BLAKE2b-256 | 7a6a9b081067fe317b64c7cc24af571dee0502b31cfc23955edcd53aa2fcd163 |